声明
摘要
1.1 研究的背景与意义
1.2 人脸识别研究现状分析
1.2.1 人脸识别发展的三个阶段
1.2.2 国内外人脸识别商业发展现状
1.2.3 多姿态人脸识别面临的挑战
1.3 多姿态人脸识别系统框架
1.4 常用的多姿态人脸识别方法
1.5 人脸数据库介绍
1.5.1 Extended Yale Database B(EYDB)
1.5.2 CMU Pose Illumination Expression(CMU_PIE)
1.5.3 The Face Recognition Technology(FERET)
1.6 本文研究的主要内容
第2章 基于SIFT算法的人脸特征提取
2.1 尺度空间理论
2.1.1 高斯尺度空间
2.1.2 图像金字塔
2.2 SIFT算法相关原理
2.2.1 DoG尺度空间极值点检测
2.2.2 极值点的精确定位
2.2.3 关键点方向参数的确定
2.2.4 SIFT描述子的生成
2.2.5 SIFT描述子匹配
2.3 基于SIFT的多姿态入脸图像识别仿真实验
2.3.1 确定SIFT关键参数值
2.3.2 实验一:尺度缩放
2.3.3 实验二:图像旋转
2.3.4 实验三:光照变化
2.3.5 实验四:遮挡条件
2.3.6 实验五:姿态变化
2.4 本章小结
第3章 基于相位一致性的SIFT算法
3.1 相位一致性理论
3.2 结合相位一致性的SIFT特征筛选
3.3 基于相位一致性的SIFT算法流程
3.4 仿真实验与结果分析
3.4.1 确定相位一致性参数值
3.4.2 特征筛选仿真实验
3.4.3 改进匹配效果对比
3.4.4 综合性能对比
3.5 本章小结
第4章 基于PC-SIFT的多姿态人脸识别
4.1 基于PC-SIFT的多姿态人脸识别框架
4.2 融合稀疏表示方法消除冗余特征
4.2.1 稀疏表示理论
4.2.2 基于稀疏表示的SIFT特征降维
4.3 仿真实验与结果分析
4.3.1 CMU_PIE人脸数据库
4.3.2 FERET人脸数据库
4.4 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢