|
|
|
|
基于矩阵主成分分析的人脸识别方法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-5页 | | Abstract | 第5-9页 | | 第1章 绪论 | 第9-16页 | | ·课题研究背景和意义 | 第9-11页 | | ·课题的研究背景 | 第9-10页 | | ·课题的研究目的、意义 | 第10-11页 | | ·国内外研究现状 | 第11-14页 | | ·国外的研究现状 | 第11-13页 | | ·我国的研究现状 | 第13-14页 | | ·人脸识别的研究内容 | 第14-15页 | | ·本文的研究内容及组织结构 | 第15-16页 | | 第2章 基于主成分分析的人脸识别 | 第16-36页 | | ·基于主成分分析的人脸识别 | 第16-20页 | | ·PCA的基本原理 | 第16-19页 | | ·基于PCA的人脸识别方法 | 第19-20页 | | ·基于矩阵主成分分析的人脸识别 | 第20-23页 | | ·2DPCA的基本原理 | 第20-23页 | | ·基于2DPCA的人脸识别方法 | 第23页 | | ·最近邻判别方法 | 第23-24页 | | ·基于小波变换和主成分分析的人脸识别方法 | 第24-30页 | | ·小波变换的原理 | 第24-26页 | | ·基于小波变换的图像分解与重构 | 第26-28页 | | ·基于小波变换的人脸识别方法 | 第28-30页 | | ·实验结果与分析 | 第30-36页 | | ·不同人脸库中2DPCA的识别率比较 | 第31-32页 | | ·PCA与2DPCA的识别率比较 | 第32-34页 | | ·小波变换+PCA方法与小波变换+2DPCA方法的比较 | 第34-35页 | | ·小波变换前后PCA与2DPCA的识别率比较 | 第35-36页 | | 第3章 基于类内主成分分析重建的人脸识别 | 第36-46页 | | ·基于类内PCA重建的人脸识别方法 | 第36-39页 | | ·基本原理 | 第36-37页 | | ·实现步骤 | 第37-38页 | | ·重建效果 | 第38-39页 | | ·基于类内2DPCA重建的人脸识别方法 | 第39-42页 | | ·基本原理 | 第39-40页 | | ·实现步骤 | 第40页 | | ·重建效果 | 第40-42页 | | ·实验结果与分析 | 第42-46页 | | ·不同训练样本下改进方法与类内PCA重建方法的比较 | 第42-44页 | | ·不同维数下改进方法与类内PCA重建方法的比较 | 第44-46页 | | 第4章 小波包融合和矩阵主成分分析的人脸识别 | 第46-64页 | | ·小波包在人脸识别中的应用 | 第46-54页 | | ·小波包变换原理 | 第46-48页 | | ·图像的小波包分解 | 第48-49页 | | ·高频子图的选取 | 第49-54页 | | ·信息融合方法 | 第54-56页 | | ·信息融合方法的分类 | 第54-56页 | | ·决策层融合方法的实现 | 第56页 | | ·小波包融合和矩阵主成分分析的人脸识别方法 | 第56-57页 | | ·实验结果与分析 | 第57-64页 | | ·不同训练样本下改进方法与小波+2DPCA方法的比较 | 第57-60页 | | ·不同维数下改进方法与小波+2DPCA方法的比较 | 第60-61页 | | ·改进方法与小波+PCA、小波+2DPCA的比较 | 第61-64页 | | 第5章 总结与展望 | 第64-66页 | | ·工作总结 | 第64-65页 | | ·前景展望 | 第65-66页 | | 致谢 | 第66-67页 | | 参考文献 | 第67-69页 |
|
|
|
|
论文编号BS47317，这篇论文共69页
会员购买按0.35元/页下载，共需支付24.15元。 直接购买按0.5元/页下载，共需要支付34.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务