基于图像的性别分类研究
| 摘要 | 第1-7页 |
| ABSTRACT（英文摘要） | 第7-12页 |
| 主要符号对照表 | 第12-13页 |
| 第一章 绪论 | 第13-18页 |
| ·研究背景及意义 | 第13页 |
| ·相关研究内容 | 第13-16页 |
| ·性别分类技术框架 | 第13-14页 |
| ·国内外相关领域研究内容 | 第14-16页 |
| ·本文的研究内容 | 第16-18页 |
| 第二章 图像预处理 | 第18-22页 |
| ·图像预处理的作用及意义 | 第18页 |
| ·图像灰度化 | 第18-19页 |
| ·图像归一化 | 第19-20页 |
| ·直方图均衡化 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 图像特征提取 | 第22-33页 |
| ·子空间方法 | 第22-27页 |
| ·特征脸PCA | 第22-24页 |
| ·Fisher脸(FLDA) | 第24-27页 |
| ·基于核的子空间方法(KPCA,KFDA) | 第27-29页 |
| ·非负矩阵分解方法(NMF) | 第29-30页 |
| ·Gabor小波特征提取方法 | 第30-32页 |
| ·Gabor小波概述 | 第30-31页 |
| ·Gabor小波性质 | 第31页 |
| ·图像的二维Gabor小波变换 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 头发检测与特征提取 | 第33-44页 |
| ·概述 | 第33页 |
| ·头发检测 | 第33-36页 |
| ·关键点定位 | 第33-34页 |
| ·检测算法 | 第34-36页 |
| ·头发特征提取 | 第36-42页 |
| ·头发模型 | 第36页 |
| ·头发长度 | 第36-37页 |
| ·头发表面积 | 第37页 |
| ·头发颜色 | 第37-39页 |
| ·头发纹理 | 第39-41页 |
| ·分头角度 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 分类器概论 | 第44-53页 |
| ·统计学习理论 | 第44-50页 |
| ·最佳分离超平面 | 第45-49页 |
| ·非线性可分的分离超平面 | 第49-50页 |
| ·支持向量机 | 第50-52页 |
| ·SVM公式推导 | 第50-51页 |
| ·SVM训练算法 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 最小最大模块化支持向量机 | 第53-60页 |
| ·任务分解 | 第53-57页 |
| ·将多类问题分解为二类问题 | 第53-54页 |
| ·一对一分解 | 第53-54页 |
| ·一对其他分解 | 第54页 |
| ·进一步分解二类问题 | 第54-55页 |
| ·分解策略 | 第55-57页 |
| ·随机分解 | 第56页 |
| ·超平面分解 | 第56-57页 |
| ·根据先验知识分解 | 第57页 |
| ·子问题合并 | 第57-60页 |
| ·MIN单元 | 第58页 |
| ·MAX单元 | 第58-60页 |
| 第七章 实验结果与分析 | 第60-69页 |
| ·人脸库介绍 | 第60-61页 |
| ·FERET人脸库 | 第60页 |
| ·AR人脸库 | 第60-61页 |
| ·自建人脸库 | 第61页 |
| ·交叉验证 | 第61-62页 |
| ·保留法 | 第62页 |
| ·k折交叉验证 | 第62页 |
| ·留一法交叉验证 | 第62页 |
| ·实验结果及分析 | 第62-68页 |
| ·不同特征的性别分类结果和分析 | 第62-65页 |
| ·不同分类器的性别分类结果和分析 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第八章 总结与展望 | 第69-71页 |
| ·本文的主要贡献 | 第69-70页 |
| ·进一步的研究工作 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第76页 |
