文摘
英文文摘
声明
第1章绪论
1.1课题研究的背景、目的和意义
1.1.1单样本人脸识别问题的提出
1.1.2研究单样本人脸识别技术的意义
1.2单样本人脸识别研究动态
1.2.1基于几何特征的方法
1.2.2样本扩张法
1.2.3特征子空间扩展法
1.2.4通用学习框架法
1.2.5图像增强法
1.2.6神经网络法
1.2.7其他方法
1 13单样本人脸识别面临的挑战
1.4单样本人脸识别的发展趋势
1.5本文单样本人脸识别系统的总体框架结构
1.6本文的主要工作和内容安排
第2章基于经典主分量分析的单样本人脸识别
2.1图像的奇异值分解
2.2主分量分析法(PCA)
2.2.1离散K-L变换
2.2.2 K-L变换用于人脸识别
2.3核主分量分析法(KPCA)
2.3.1 KPCA算法原理
2.3.2特征空间的内积计算
2.3.3 KPCA算法实现步骤
2.4结合投影的主分量分析法((PC)2A)
2.5奇异值扰动的主分量分析法(SPCA)
2.5.1 SPCA算法
2.5.2 SPCA算法的实现步骤
2.6本章小结
第3章基于二维主分量分析的单样本人脸识别
3.1二维主分量分析(2DPCA)
3.1.1算法原理
3.1.2特征提取
3.1.3分类方法
3.1.4图像重建
3.1.5二维主分量分析的优缺点
3.2两个方向上的二维主分量分析((2D)2PCA)
3.2.1行方向上的二维主分量分析
3.2.2列方向上的二维主分量分析
3.2.3行列二维主分量分析
3.3加权的两个方向上的二维主分量分析(W(2D)2PCA)
3.4基于MW(2D)2PCA的局部特征提取和融合
3.4.1图像分块概述
3.4.2本文图像分块和局部特征提取策略
3.4.3本文局部特征融合策略
3.5 MW(2D)2PCA算法实现步骤
3.6本章小结
第4章单样本人脸识别方法实验结果及分析
4.1 PCA的实验结果
4.2 KPCA的实验结果
4.3 SPCA的实验结果及分析
4.4本文方法的实验结果及分析
4.4.1权值对识别结果的影响
4.4.2分块方式对识别结果的影响
4.5 ORL人脸库上各种方法的识别率对比
4.6 CAS-PEAL人脸库上各种方法的实验结果
4.7人脸识别演示
4.8本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢