基于小波域人脸识别的研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 生物特征识别和人脸识别简介 | 第9-10页 |
| 1.1.1 生物识别技术原理 | 第9页 |
| 1.1.2 生物识别技术比较 | 第9-10页 |
| 1.1.3 人脸识别简介 | 第10页 |
| 1.2 人脸识别的研究意义及现状 | 第10-12页 |
| 1.2.1 人脸识别研究意义 | 第10-11页 |
| 1.2.2 人脸识别研究现状 | 第11-12页 |
| 1.3 人脸识别的主要内容 | 第12-13页 |
| 1.4 常用的人脸数据库简介 | 第13-14页 |
| 1.5 本文的主要内容及章节安排 | 第14-15页 |
| 第二章 基于小波域稀疏表示的人脸识别 | 第15-27页 |
| 2.1 信号的稀疏表示 | 第15-19页 |
| 2.1.1 稀疏表示的概念 | 第15-16页 |
| 2.1.2 字典的构造 | 第16-17页 |
| 2.1.3 稀疏表示的求解方法 | 第17-19页 |
| 2.2 基于DWT和稀疏表示的人脸识别 | 第19-24页 |
| 2.2.1 离散小波变换 | 第19-22页 |
| 2.2.2 小波域稀疏表示的人脸识别 | 第22-24页 |
| 2.3 实验结果 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 改进的粒子群优化算法 | 第27-38页 |
| 3.1 优化算法的基本概念 | 第27-30页 |
| 3.1.1 优化问题 | 第27-29页 |
| 3.1.2 智能优化算法 | 第29-30页 |
| 3.2 粒子群优化 | 第30-35页 |
| 3.2.1 粒子群算法的基本形式 | 第30-32页 |
| 3.2.2 粒子群优化算法 | 第32页 |
| 3.2.3 控制参数 | 第32-34页 |
| 3.2.4 粒子群算法的流程 | 第34-35页 |
| 3.3 粒子群优化算法的改进 | 第35-37页 |
| 3.3.1 参数选取 | 第35-36页 |
| 3.3.2 算法讨论 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于MPSO算法的人脸识别 | 第38-48页 |
| 4.1 人脸识别流程框架 | 第38页 |
| 4.2 图像预处理及特征提取 | 第38-41页 |
| 4.2.1 直方图均衡化 | 第39-40页 |
| 4.2.2 特征提取 | 第40-41页 |
| 4.3 基于MPSO算法的特征选择 | 第41-44页 |
| 4.3.1 特征选择 | 第41-42页 |
| 4.3.2 适应度函数 | 第42-44页 |
| 4.3.3 分类器 | 第44页 |
| 4.4 实验结果 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 人脸识别应用分析 | 第48-54页 |
| 5.1 人脸识别系统的构成 | 第48-49页 |
| 5.2 人脸识别技术在信息安全中的应用 | 第49-50页 |
| 5.3 人脸识别技术在视频监控中的应用 | 第50-52页 |
| 5.4 应用场景分析 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 工作总结 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 致谢 | 第60页 |
