基于Gabor小波的人脸识别的单样本问题研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景和意义 | 第10-11页 |
| ·人脸识别系统 | 第11-12页 |
| ·人脸识别研究的历史 | 第12-13页 |
| ·人脸识别方法的分类 | 第13-15页 |
| ·按照局部特征和全局特征进行分类 | 第13-14页 |
| ·按照几何特征和统计特征进行分类 | 第14-15页 |
| ·按照判决规则进行分类 | 第15页 |
| ·人脸识别的主流方法 | 第15-19页 |
| ·基于特征子空间分析的人脸识别方法 | 第15-16页 |
| ·基于遗传算法的人脸识别方法 | 第16-17页 |
| ·基于Gabor小波特征的人脸识别方法 | 第17-18页 |
| ·基于AdaBoost的人脸识别方法 | 第18页 |
| ·基于支持向量机的人脸识别方法 | 第18-19页 |
| ·本文工作的概述和结构 | 第19-20页 |
| ·本文的工作概述 | 第19页 |
| ·本文的结构 | 第19-20页 |
| 第二章 基于Gabor小波的人脸表示 | 第20-30页 |
| ·引言 | 第20-21页 |
| ·人脸图像的Gabor小波表示 | 第21-25页 |
| ·Gabor 小波 | 第21-22页 |
| ·人脸图像的Gabor小波表示 | 第22-25页 |
| ·丰富的人脸图像的Gabor小波表示 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 人脸识别中的单样本问题 | 第30-45页 |
| ·引言 | 第30页 |
| ·主成分分析 | 第30-32页 |
| ·Eigenfaces | 第32-33页 |
| ·有关单样本问题的研究 | 第33-40页 |
| ·组合投影成分分析算法 | 第33-35页 |
| ·增强的(PC)~2A 算法 | 第35-38页 |
| ·基于SVD扰动的算法 | 第38-40页 |
| ·实验结果 | 第40-44页 |
| ·人脸图像的预处理 | 第40-42页 |
| ·实验结果和分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于丰富Gabor特征的主成分分析 | 第45-53页 |
| ·引言 | 第45-46页 |
| ·基于丰富Gabor特征的主成分分析 | 第46-48页 |
| ·分开的主成分分析 | 第46-47页 |
| ·基于丰富Gabor特征的分类规则 | 第47-48页 |
| ·实验结果 | 第48-52页 |
| ·实验和系统概述 | 第48-50页 |
| ·实验结果和分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 幅角特征和相位特征的探讨 | 第53-59页 |
| ·引言 | 第53页 |
| ·幅角特征和相位特征的比较 | 第53-58页 |
| ·在FERET人脸库上的实验 | 第53-56页 |
| ·在ORL人脸库上的实验 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 工作总结和展望 | 第59-61页 |
| ·工作总结 | 第59页 |
| ·未来的工作展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间公开发表的论文 | 第68-69页 |
| 攻读硕士学位期间参加的科研项目 | 第69页 |
