人脸特征表达与识别PDF|Epub|txt|kindle电子书版本网盘下载

人脸特征表达与识别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人脸识别的目的和意义1

1.2人脸识别的研究现状2

1.2.1国际研究动态2

1.2.2国内研究现状4

1.3人脸识别的研究内容5

1.3.1经典的工作5

1.3.2最新的动向6

1.4本书的主要目的和内容安排7

1.4.1主要目的7

1.4.2内容安排7

参考文献8

第2章 人脸特征表示11

2.1主成分分析11

2.2线性判别分析12

2.3最大间距准则13

2.4二维主成分分析13

2.5二维线性判别分析14

2.6双向主成分分析15

2.7类增广PCA16

2.8自适应类增广PCA18

2.9融合小波变换和自适应类增广PCA20

2.10二维类增广PCA21

2.10.1用2DPCA进行预处理21

2.10.2特征矩阵归一化22

2.10.3根据类信息获得类增广数据22

2.10.4对类增广数据进行2DPCA处理23

2.11实验结果与分析23

2.11.1识别性能分析24

2.11.2时间和综合性能分析26

2.11.3二维CAPCA的实验27

2.12本章小结29

参考文献29

第3章 光照预处理与自适应特征提取30

3.1基于小波变换的预处理30

3.2自商图像31

3.3Retinex方法32

3.4各向异性光滑处理34

3.5同态滤波35

3.6局部对比增强37

3.7基于Curvelet的特征提取38

3.7.1Curvelet变换38

3.7.2离散Curvelet变换的实现方法40

3.8自适应特征的提取41

3.8.1候选特征的表示42

3.8.2鉴别能力分析与特征选择42

3.9非参数子空间分析43

3.10 2DPCA非参数子空间分析44

3.10.1二维主成分分析44

3.10.2二维非参数子空间分析45

3.10.3特征提取和分类46

3.11实验结果与分析46

3.11.1分块熵特征表示的性能优势46

3.11.2自适应特征选择47

3.11.3不同2DPCA子空间对2DNSA的影响49

3.11.4各种光照预处理与特征提取方法相结合对比分析50

3.12本章小结56

参考文献57

第4章 流形学习与图像粒计算方法59

4.1等距映射59

4.2局部线性嵌入61

4.3拉普拉斯特征映射64

4.4局部保持投影65

4.5流形学习算法分析67

4.6粒计算69

4.6.1粒计算的基本组成69

4.6.2粒计算的基本问题70

4.6.3粒计算的应用研究71

4.7图像粒72

4.8基于图像粒的图像处理73

4.9人脸图像低维嵌入74

4.9.1人脸图像二维嵌入75

4.9.2基于图像粒的LLE76

4.9.3加权预处理的图像粒 LLE79

4.10基于图像粒LPP的人脸姿态和表情分析83

4.10.1CMU PIE人脸库实验83

4.10.2Frey人脸库实验86

4.11本章小结98

参考文献98

第5章 小波变换与特征提取100

5.1二维小波变换100

5.2基于小波和流形学习的人脸姿态表情分析102

5.2.1图像特征信息粒102

5.2.2基于小波分解的流形算法103

5.3Gabor小波特征提取104

5.3.1Gabor小波介绍104

5.3.2Gabor特征表示104

5.4基于Gabor小波的S2DNPE算法104

5.4.1有监督的二维近邻保持嵌入105

5.4.2GS2DNPE的算法流程105

5.5基于Gabor小波的SB2DLPP算法106

5.5.1双向二维局部保持投影106

5.5.2有监督的双向二维局部保持投影算法107

5.6双向二维近邻保持嵌入算法109

5.7双向二维近邻保持判别嵌入算法111

5.7.1投影矩阵的求解111

5.7.2特征分类识别114

5.8实验结果与分析114

5.8.1基于Gabor小波的S2DNPE算法114

5.8.2基于Gabor小波的SB2DLPP算法119

5.8.3双向二维近邻保持判别嵌入算法126

5.9本章小结131

参考文献132

第6章 稀疏表示与字典学习133

6.1稀疏表示的模型和求解算法133

6.2协同表示理论134

6.3字典学习137

6.4类别特色字典学习137

6.5类别特色字典优化139

6.6共享字典学习140

6.7共享字典和类别特色字典结合的分类方法141

6.8类内变化字典学习143

6.9类内变化字典优化144

6.10分类策略145

6.11实验结果分析146

6.11.1类别特色字典优化实验146

6.11.2算法6－4实验155

6.12本章小结164

参考文献165

第7章 特征筛选与人脸表情识别167

7.1LBP算子167

7.2CLBP算子168

7.3DisCLBP算子169

7.4基于Fisher准则改进的DisCLBP特征筛选算法描述170

7.5基于DisCLBP的人脸表情识别173

7.6特征块初始化175

7.7初次筛选特征块177

7.8再次筛选特征块并分类178

7.9实验结果与分析180

7.9.1DisCLBP的人脸表情识别实验180

7.9.2筛选特征块实验183

7.10本章小结189

参考文献189

第8章 人脸特征点检测与2D矫正191

8.1牛顿法191

8.2从牛顿法推导SDM193

8.2.1牛顿法表达式193

8.2.2SDM194

8.3人脸特征点检测SDM195

8.3.1SDM流程195

8.3.2SDM流程图197

8.3.3SIFT特征点检测198

8.4Delaunay三角剖分介绍202

8.4.1三角剖分定义202

8.4.2Delaunay三角剖分定义203

8.4.3Delaunay三角剖分准则203

8.4.4Delaunay三角剖分特性204

8.4.5局部最优化处理204

8.5Delaunay三角剖分算法205

8.5.1Lawson算法205

8.5.2Bowyer－Watson算法206

8.6基于网络变形的人脸矫正209

8.6.1包围盒209

8.6.2人脸矫正的流程209

8.6.3面部变形209

8.6.4仿射变换212

8.7实验结果及分析215

8.7.1人脸库简介215

8.7.2LFW人脸库上的实验215

8.7.3对比分析217

8.8本章小结219

参考文献220

第9章 人脸特征检测与深度学习221

9.1背投影221

9.2特征检测和描述222

9.2.1Haar级联检测223

9.2.2HoG224

9.3R－CNN系列225

9.3.1R－CNN225

9.3.2Fast R－CNN229

9.3.3Faster R－CNN232

9.4BoVW234

9.4.1BoVW模型235

9.4.2基于BoVW模型的学习和识别235

9.5DeepFace236

9.5.1DNN架构和训练236

9.5.2标准化237

9.5.3验证度量238

9.6基于MT－CNN和FaceNet的算法描述238

9.6.1人脸检测和识别的技术分析238

9.6.2MT－CNN240

9.6.3FaceNet242

9.6.4多实例模型243

9.7实验结果及分析244

9.7.1FaceNet分析244

9.7.2多实例模型分析247

9.8本章小结250

参考文献250