基于2DPCA和多分类器融合的人脸识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-19页 |
| ·课题的提出 | 第11-12页 |
| ·人脸识别的发展现状与技术难点 | 第12-14页 |
| ·人脸识别系统的构成 | 第14-15页 |
| ·典型的人脸识别方法 | 第15-18页 |
| ·本论文的主要工作 | 第18-19页 |
| 2 图像预处理 | 第19-28页 |
| ·引言 | 第19页 |
| ·图像平滑 | 第19-22页 |
| ·图像增强 | 第22-26页 |
| ·灰度归一化 | 第26-27页 |
| ·小结 | 第27-28页 |
| 3 人脸的检测与定位 | 第28-44页 |
| ·引言 | 第28页 |
| ·人脸检测 | 第28-31页 |
| ·典型的人脸定位算法 | 第31-33页 |
| ·基于HPF和 Hough变换的眼睛精确定位 | 第33-39页 |
| ·人脸图像的校准 | 第39-41页 |
| ·实验对比与分析 | 第41-43页 |
| ·小结 | 第43-44页 |
| 4 特征的选择与提取 | 第44-52页 |
| ·引言 | 第44页 |
| ·典型的特征选择与提取算法 | 第44-48页 |
| ·基于 2DPCA的特征提取 | 第48-51页 |
| ·小结 | 第51-52页 |
| 5 分类器的设计 | 第52-66页 |
| ·引言 | 第52页 |
| ·最近邻法原则 | 第52-55页 |
| ·基于BP神经网络的人脸识别 | 第55-60页 |
| ·基于多分类器融合算法的人脸识别 | 第60-65页 |
| ·小结 | 第65-66页 |
| 6 主要成果及结论 | 第66-68页 |
| ·主要成果 | 第66页 |
| ·实验结果与分析 | 第66-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间主要成果 | 第69-70页 |
| 参考文献 | 第70-73页 |