基于线性判别分析的单人脸识别系统研究
| 第1章 绪论 | 第1-14页 |
| ·人脸识别的研究背景 | 第8-10页 |
| ·人脸识别的意义 | 第8-9页 |
| ·人脸识别的应用背景 | 第9-10页 |
| ·人脸识别技术的研究现状 | 第10-12页 |
| ·人脸识别技术研究历程 | 第10-11页 |
| ·人脸识别的优势与难点 | 第11-12页 |
| ·本文的研究内容和主要贡献 | 第12-14页 |
| 第2章 人脸检测与识别方法及人脸自动识别系统 | 第14-24页 |
| ·人脸检测方法 | 第14-16页 |
| ·基于知识的人脸检测方法 | 第14页 |
| ·基于特征不变性的人脸检测方法 | 第14-15页 |
| ·基于模板匹配的人脸检测方法 | 第15页 |
| ·基于外观的人脸检测方法 | 第15-16页 |
| ·人脸识别方法 | 第16-20页 |
| ·基于几何特征的人脸识别方法 | 第16-17页 |
| ·基于子空间分析的人脸识别方法 | 第17-18页 |
| ·基于神经网络的人脸识别方法 | 第18-19页 |
| ·其他方法 | 第19-20页 |
| ·人脸自动识别系统 | 第20-23页 |
| ·典型人脸自动识别系统 | 第20-21页 |
| ·人脸自动识别系统评价标准 | 第21-22页 |
| ·人脸数据库 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 人脸图像的预处理 | 第24-35页 |
| ·概述 | 第24-25页 |
| ·灰度预处理 | 第25-29页 |
| ·图像格式 | 第25页 |
| ·灰度图像的预处理 | 第25-27页 |
| ·人脸图像的噪声去除 | 第27-29页 |
| ·几何预处理 | 第29-34页 |
| ·角度预处理 | 第30-31页 |
| ·尺寸预处理 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 特征提取与分类识别 | 第35-50页 |
| ·前言 | 第35页 |
| ·特征提取 | 第35-40页 |
| ·特征提取的概念 | 第35-36页 |
| ·基于统计的线性特征提取方法 | 第36-40页 |
| ·分类识别 | 第40-44页 |
| ·欧式距离分类器 | 第41页 |
| ·马氏距离分类器 | 第41-42页 |
| ·Bayes分类器 | 第42-43页 |
| ·最近邻分类器 | 第43-44页 |
| ·算法实现 | 第44-49页 |
| ·特征提取算法实现 | 第44-47页 |
| ·分类识别算法实现 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 人脸识别系统设计与实验结果分析 | 第50-56页 |
| ·前言 | 第50-51页 |
| ·人脸自动识别系统设计 | 第51-53页 |
| ·人脸识别系统组成 | 第51-52页 |
| ·系统主界面 | 第52-53页 |
| ·软件实现 | 第53-54页 |
| ·实验结果分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 结论与展望 | 第56-59页 |
| ·结论 | 第56页 |
| ·展望 | 第56-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第63页 |
