基于加权小波分解和Fisherfaces的人脸识别算法研究

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 人脸识别研究发展现状

1．2．1 国外研究发展现状

1．2．2 国内研究发展现状

1．3 人脸识别的基本方法

1．3．1 基于几何特征的方法

1．3．2 基于图像的方法

1．4 论文研究内容及结构安排

2 人脸图像预处理

2．1 预处理基本方法

2．1．1 灰度化

2．1．2 二值化

2．1．3 几何校正

2．1．4 灰度归一化

2．1．5 中值滤波

2．1．6 图像锐化

2．2 白化处理

2．3 本章小结

3 二维小波变换

3．1 小波变换的定义

3．2 小波变换的分类

3．2．1 一般小波序列展开

3．2．2 离散小波变换(DWT)

3．2．3 连续小波变换

3．3 二维小波变换

3．3．1 二维小波变换的定义

3．3．2 二维DWT的实现

3．3．3 二维DWT在图像处理中的应用

3．4 本章小结

4 Fisherfaces方法

4．1 主成分分析(PCA)

4．1．1 K-L变换

4．1．2 人脸识别中的PCA算法

4．2 线性判别分析(LDA)

4．3 Fisherfaces方法

4．4 本章小结

5 分类器

5．1 最近邻分类器

5．2 支持向量机(SVM)

5．2．1 SVM的基本原理

5．2．2 SVM系统参数的确定

5．2．3 网格法参数寻优

5．3 本章小结

6 实验结果与分析

6．1 实验环境

6．1．1 人脸库

6．1．2 实验平台

6．2 结果与分析

6．2．1 图像预处理

6．2．2 小波基的选择

6．2．3 小波分解层数的选择

6．2．4 小波权系数的选择

6．2．5 方法对比

6．2．6 最佳参数确定

6．2．7 系统的鲁棒性

6．3 本章小结

7 基于GUI的人脸识别系统实现

7．1 系统实现平台

7．2 系统介绍

7．3 系统实现及演示

7．4 本章小结

8 总结与展望

8．1 论文总结

8．2 工作展望

参考文献

个人简历、在学期间发表的学术论文与研究成果

致谢