基于ICA与Gabor算法的人脸识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景与现状 | 第10-11页 |
| 1.2 研究概况 | 第11-13页 |
| 1.2.1 研究概要 | 第11-12页 |
| 1.2.2 研究分类 | 第12-13页 |
| 1.2.3 人脸识别的应用 | 第13页 |
| 1.3 技术挑战 | 第13-14页 |
| 1.4 发展趋势 | 第14页 |
| 1.5 本文内容的结构 | 第14-16页 |
| 2 人脸识别的基本过程 | 第16-22页 |
| 2.1 人脸图像的采集与处理 | 第16-18页 |
| 2.1.1 ORL人脸库简介 | 第16-17页 |
| 2.1.2 FERET人脸库简介 | 第17-18页 |
| 2.2 特征提取简介 | 第18页 |
| 2.3 识别分类器的设计和选择 | 第18-20页 |
| 2.4 识别算法的性能评估 | 第20-22页 |
| 3 独立成分分析在人脸识别中的应用 | 第22-34页 |
| 3.1 独立成分分析简介 | 第22-23页 |
| 3.2 独立成分分析算法 | 第23-28页 |
| 3.2.1 ICA的模型和算法 | 第23-25页 |
| 3.2.2 FastICA算法简介 | 第25-28页 |
| 3.3 主成分分析算法 | 第28-29页 |
| 3.4 ICA与PCA的对比及结合 | 第29-32页 |
| 3.4.1 ICA与PCA的对比 | 第29-30页 |
| 3.4.2 ICA与PCA的结合 | 第30-32页 |
| 3.5 基于ICA算法的识别系统设计 | 第32-34页 |
| 4 Gabor算法在人脸识别中的应用 | 第34-40页 |
| 4.1 Gabor特征提取 | 第34-35页 |
| 4.2 特征压缩及优化 | 第35-38页 |
| 4.2.1 双线性插值预处理 | 第35-37页 |
| 4.2.2 LDA特征优化 | 第37-38页 |
| 4.3 基于Gabor算法的识别系统设计 | 第38-40页 |
| 5 实验结果 | 第40-46页 |
| 5.1 ICA算法在ORL人脸库中的实验 | 第40-43页 |
| 5.2 Gabor算法在FERET人脸库中的实验 | 第43-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52-53页 |
