文摘
英文文摘
声明
1 绪 论
1.1生物特征识别的重要意义
1.2人脸识别较其它生物特征识别的优势
1.3人脸识别研究现状及应用前景
1.4当前人脸识别技术存在的问题
1.5本文的主要工作
2人脸识别研究方法及性能评测概述
2.1引言
2.2基于局部特征的人脸识别方法
2.2.1基于几何特征的识别方法
2.2.2基于弹性图匹配的识别方法
2.2.3基于局部二值模式的识别方法
2.3基于全局特征的人脸识别方法
2.3.1主元分析法
2.3.2线性判别分析法
2.3.3独立元分析法
2.3.4核子空间法
2.3.5流形算法
2.4基于特征融合的人脸识别方法
2.5人脸识别算法性能评测
2.5.1国内外公用人脸图像数据库介绍
2.5.2 FERET测试
2.5.3 FRVT测试
2.6本章小结
3基于Gabor幅值的统计纹理表征方法
3.1引言
3.2二维Gabor小波变换
3.3相关工作分析
3.3.1基于人脸关键特征点的Gabor小波变换
3.3.2基于全局人脸的Gabor小波变换
3.4基于Gabor幅值的统计纹理表征
3.4.1统计纹理特征提取
3.4.2特征转换
3.4.3算法描述
3.5实验结果与分析
3.5.1参数选择
3.5.2 ORL人脸库上的实验结果
3.5.3 UMIST人脸库上的实验结果
3.5.4实验结果分析
3.6本章小结
4基于Gabor幅值与相位分布特性的纹理表征方法
4.1引言
4.2相关工作分析
4.3伽玛分布和广义高斯分布
4.3.1伽玛分布
4.3.2广义高斯分布
4.4基于Gabor幅值与相位的纹理表征
4.4.1基于Gabor幅值的纹理表征
4.4.2基于Gabor相位的纹理表征
4.4.3算法描述
4.5实验结果与分析
4.5.1参数选择
4.5.2Yale人脸库上的实验结果
4.5.3 ORL人脸库上的实验结果
4.5.4 FERET人脸库上的实验结果
4.5.5实验结果分析与讨论
4.6本章小结
5基于Gabor实部与虚部分布特性的纹理表征方法
5.1引言
5.2基于Gabor实部与虚部的纹理表征
5.2.1基于Gabor实部的纹理表征
5.2.2基于Gabor虚部的纹理表征
5.2.3算法描述
5.2.4融合算法
5.3实验结果与分析
5.3.1参数选择
5.3.2 Yale人脸库上的实验结果
5.3.3 ORL人脸库上的实验结果
5.3.4 FERET人脸库上的实验结果
5.3.5 CMU PIE人脸库上的实验结果
5.3.6实验结果分析与讨论
5.4本章小结
6 Gabor幅值的二维流形学习
6.1引言
6.2相关工作分析
6.2.1 LPP
6.2.2 2DLPP
6.2.3子模式技术
6.3子模式的2DLPP
6.4 Gabor幅值的子模式2DLPP分析
6.5实验结果与分析
6.5.1子图像大小的选择
6.5.2Yale人脸库上的实验结果
6.5.3 ORL人脸库上的实验结果
6.5.4 FERET人脸库上的实验结果
6.5.5 CMU PIE人脸库上的实验结果
6.5.6实验结果分析与讨论
6.6本章小结
7总结与展望
7.1工作总结
7.2后续研究工作的展望
致 谢
参考文献
附 录
重庆大学;