文摘
英文文摘
声明
第1章绪论
1.1课题研究的目的和意义
1.2单样本人脸识别的国内外研究动态
1.3论文的研究内容
第2章单样本人脸识别方法概述
2.1基于几何特征的方法
2.2样本扩张法
2.3特征子空间扩展法
2.4通用学习框架法
2.5图像增强法
2.6神经网络法
2.7其他方法
2.8本章小结
第3章基于经典主分量分析的单样本人脸识别
3.1图像的奇异值分解
3.2主分量分析法(PCA)
3.2.1离散K-L变换
3.2.2 K-L变换用于人脸识别
3.3核主分量分析法(KPCA)
3.3.1 KPCA算法原理
3.3.2特征空间的点积计算
3.3.3 KPCA算法实现步骤
3.4结合投影的主分量分析法
3.5奇异值扰动的主分量分析法(SPCA)
3.5.1 SPCA算法
2.5.2 SPCA算法的实现步骤
3.6本章小结
第4章 基于二维主分量分析的单样本人脸识别
4.1二维主分量分析(2DPCA)
4.1.1算法原理
4.1.2特征提取
4.1.3分类方法
4.1.4图像重建
4.1.5二维主分量分析的优缺点
4.2行列2个方向的上2DPCA
4.2.1行方向上的2DPCA
4.2.2列方向上的2DPCA
4.2.3两个方向上的2DPCA
4.3改进的行列2个方向的2DPCA
4.4基于图像分块的局部特征提取和融合
4.4.1图像分块概述
4.4.2本文图像分块和局部特征提取策略
4.4.3本文局部特征融合策略
4.5本文算法实现步骤
4.6本章小结
第5章 人脸识别系统实验结果分析
5.1本文的实验平台
5.2 PCA的实验结果
5.3 KPCA的实验结果
5.4 SPCA的实验结果及分析
5.5本文方法的实验结果及分析
5.5.1权值对识别结果的影响
5.5.2分块方式对识别结果的影响
5.6算法的识别率及识别结果对比分析
5.7本章小结
第6章结论与展望
6.1本文的主要工作
6.2展望
参考文献
致 谢
攻读硕士学位发表论文和参加科研情况