图像特征抽取算法研究及其应用PDF|Epub|txt|kindle电子书版本网盘下载

图像特征抽取算法研究及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1研究意义1

1.2图像识别研究概述2

1.2.1国内外研究进展2

1.2.2图像识别中常用的分类准则7

1.2.3图像识别算法的评价标准8

1.2.4常用生物特征图像库9

1.3人脸识别技术的难点12

参考文献12

第2章 基于非负低秩表示的半监督学习方法18

2.1引言18

2.2相关工作20

2.2.1高斯场和调和函数20

2.2.2低秩表示21

2.3基于非负低秩表示的流形嵌入分类21

2.3.1动机21

2.3.2 MEC-NNLRR算法23

2.4实验结果25

2.4.1参数选择25

2.4.2 Yale图像数据库实验27

2.4.3扩展YaleB图像数据库实验28

2.4.4 AR图像数据库实验28

2.4.5 CMU PIE图像数据库实验29

2.4.6 Yale噪声数据库实验30

2.5本章小结31

参考文献31

第3章 一种自适应Gabor图像特征抽取和权重选择的人脸识别方法34

3.1问题的提出34

3.2光照预处理35

3.2.1局部对照增强35

3.2.2改进的局部对照增强36

3.3自适应Gabor特征抽取37

3.3.1 Gabor小波变换37

3.3.2离散余弦变换39

3.3.3鉴别力量分析41

3.4自适应权重计算与分类识别43

3.4.1自适应权重计算43

3.4.2分类识别44

3.5基于自适应Gabor图像特征抽取和权重选择的识别系统44

3.6实验结果与分析45

3.6.1改进的局部对照增强实验45

3.6.2人脸识别实验47

3.7本章小结50

参考文献50

第4章 距离保持投影非线性降维技术的可视化与分类53

4.1引言53

4.2距离保持投影54

4.3距离保持投影的改进55

4.3.1流形和测地线距离55

4.3.2改进的距离保持投影57

4.4距离保持投影的扩展——分类识别61

4.4.1低维空间维数的确定61

4.4.2有监督的数据投影构造62

4.4.3分类构造62

4.5算法时间复杂度的分析63

4.6实验结果与分析64

4.6.1数据可视化实验64

4.6.2人脸识别实验66

4.6.3实验分析68

4.7本章小结68

参考文献68

第5章 增强局部鉴别排列及其核扩展71

5.1引言71

5.2鉴别局部排列72

5.2.1局部最优化72

5.2.2样本权重74

5.2.3整体排列74

5.3增强鉴别局部排列75

5.4核增强鉴别局部排列77

5.4.1核方法77

5.4.2核增强鉴别局部排列算法78

5.5实验结果与分析79

5.5.1参数选择80

5.5.2对光照变化的鲁棒性实验81

5.5.3多种因素变化下的鲁棒性实验83

5.6本章小结88

参考文献88

第6章 基于低秩稀疏表示的鉴别投影91

6.1引言91

6.2相关工作93

6.2.1基于稀疏表示的分类93

6.2.2低秩表示94

6.3低秩稀疏表示的鉴别投影算法94

6.3.1研究动机94

6.3.2局部鉴别约束95

6.3.3基于DP-LRSR的降维和分类算法95

6.3.4 DP-LRSR算法的计算复杂性和收敛性98

6.4实验99

6.4.1 Yale图像数据库实验99

6.4.2 CMU PIE图像数据库实验100

6.4.3 Georgia Tech图像数据库实验101

6.4.4 FERET图像数据库实验102

6.4.5 PolyU掌纹数据库实验103

6.4.6 AR图像数据库实验104

6.5本章小结105

参考文献105

第7章 基于多尺度局部二值模式的人脸识别109

7.1引言109

7.2局部二值模式110

7.2.1 LBP算子110

7.2.2直方图的度量111

7.3多尺度局部二值模式111

7.4实验113

7.4.1基于BLBP的人脸识别实验113

7.4.2基于MS-LBP人脸识别实验115

7.5本章小结116

参考文献116

第8章 基于WT/SVD和KPCA的人脸识别方法118

8.1引言118

8.2特征抽取119

8.2.1小波变换119

8.2.2奇异值分解121

8.2.3核主成分分析121

8.3分类识别——神经网络122

8.4实验结果与分析123

8.4.1 KPCA人脸识别实验123

8.4.2基于PCA方法、KPCA方法和本章所提方法的特征抽取实验124

8.4.3基于PCA方法、KPCA方法、SVD方法和本章所提方法的人脸识别实验125

8.5本章小结126

参考文献126

第9章 基于线性子空间和商图像理论的人脸识别研究129

9.1引言129

9.2商图像方法130

9.3人脸光照子空间131

9.4基于9维线性子空间的商图像方法133

9.4.1改进后的商图像133

9.4.2合成新对象的9种光照基图像134

9.4.3度量方式134

9.5实验134

9.5.1商图像135

9.5.2基图像的合成135

9.5.3人脸识别实验136

9.6本章小结137

参考文献137

第10章 正交稀疏线性鉴别分析140

10.1引言140

10.2线性鉴别分析概述141

10.3正交稀疏线性鉴别分析142

10.3.1全局鉴别信息142

10.3.2局部结构信息142

10.3.3矩阵L2，1-范数和OSLDA算法144

10.4实验结果145

10.4.1 ORL图像数据库上的实验146

10.4.2 Yale图像数据库上的实验146

10.4.3 Georgia Tech图像数据库上的实验147

10.4.4 AR图像数据库上的实验148

10.5本章小结149

参考文献150