搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
人脸图像信息处理与识别技术
0.00    
图书来源: 浙江图书馆(由图书馆配书)
  • 配送范围:
    全国(除港澳台地区)
  • ISBN:
    9787121116773
  • 作      者:
    史东承著
  • 出 版 社 :
    电子工业出版社
  • 出版日期:
    2010
收藏
内容介绍
    《人脸图像信息处理与识别技术》主要介绍人脸图像信息处理技术的基本理论和方法,包括人脸图像分形压缩编码及其最优参数选择的研究、基于肤色的人脸检测技术、人脸图像描述与编码模型、核主元分析(KPCA)特征提取、基于核主元分析的人脸姿态估计、复杂视角条件下的人脸图像特征抽取与识别、小波域的人脸特征提取与识别、视觉信息联想记忆存储器(VIAM)、人脸表情分析与识别、视频序列中的表情分析与综合等内容。<br>    《人脸图像信息处理与识别技术》的特点是紧跟国际、国内学术发展动态,以作者学术研究成果为基础,以国际、国内技术发展为主线,讨论目前学术研究领域里的热点问题,主要内容均有研究实验结果。<br>    《人脸图像信息处理与识别技术》可以作为高等学校计算机科学、电气与电子信类专业高年级本科生和研究生教材,也可作为从事图像处理工作的工程技术人员的参考书。
展开
目录
第1章 人脸图像信息处理技术<br>1.1 概述<br>1.1.1 人脸图像信息处理与识别系统典型结构<br>1.1.2 人脸图像信息处理技术的研究内容<br>1.1.3 人脸图像信息处理技术应用<br>1.1.4 人脸图像信息处理基本方法<br>1.2 本书的组织<br>本章参考文献<br>第2章 人脸图像分形编码压缩算法<br>2.1 数字图像压缩技术<br>2.1.1 目前主要的图像压缩编码标准<br>2.1.2 分形图像压缩方法及发展现状<br>2.2 分形图像编码的基本理论<br>2.2.1 分形压缩编码的基本概念<br>2.2.2 分形压缩编码的数学基础<br>2.2.3 迭代函数系统理论<br>2.2.4 基于迭代变换理论的分形编码方法<br>2.3 分形图像编码方法<br>2.3.1 Jacquin的分形图像编码算法<br>2.3.2 Fisher的自适应四叉树分形图像编码算法<br>2.4 基于小波变换的分形编码算法<br>2.4.1 小波理论<br>2.4.2 基于小波变换的图像分形编码算法<br>2.5 人脸图像分形编码算法实验结果<br>2.5.1 三种分形编码算法的性能比较<br>2.5.2 基于小波变换的人脸图像四叉树分形编码<br>本章参考文献<br>第3章 人脸的检测与定位<br>3.1 人脸图像获取与预处理<br>3.1.1 图像变换增强<br>3.1.2 直方图均衡法<br>3.1.3 非线性平滑滤波<br>3.1.4 人脸图像的归一化<br>3.2 人脸检测与定位基本方法<br>3.2.1 基于知识的方法<br>3.2.2 基于模板匹配的方法<br>3.2.3 基于外观形状的方法<br>3.2.4 基于特征的方法<br>3.3 基于肤色检测的人脸定位算法<br>3.3.1 人脸检测算法流程<br>3.3.2 彩色空间及其转换<br>3.3.3 肤色模型的建立及肤色的提取<br>3.3.4 邻域滤波噪声消除算法<br>3.3.5 基于边缘检测的肤色区域分割<br>3.3.6 人脸区域粗分割<br>3.3.7 基于双眼确认的人脸区域定位<br>3.4 基于肤色检测的人脸定位算法实验结果<br>本章参考文献<br>第4章 基于模型的人脸描述与编码<br>4.1 计算机视觉中的统计模型<br>4.1.1 构造可变模型研究问题的必要性<br>4.1.2 基于统计模型的特点<br>4.1.3 统计形状模型的理论基础和建立<br>4.1.4 选择适当的标定点<br>4.1.5 变化形状的建模<br>4.1.6 统计模型的匹配<br>4.1.7 统计模型的测试<br>4.1.8 估计形状向量的分布<br>4.2 基于统计形状模型的图像解释<br>4.3 主动形状模型<br>4.3.1 标定训练集<br>4.3.2 训练集的标准化<br>4.3.3 提取统计信息并建立统计模型<br>4.3.4 灰度外观模型的建立<br>4.4 点分布模型在图像搜索中的应用<br>4.4.1 初始估计值<br>4.4.2 最佳的位移距离的确定<br>4.4.3 形状和姿态参数的确定<br>4.4.4 形状和姿态参数的更新<br>4.5 加权主动形状模型<br>4.5.1 评价信息<br>4.5.2 形状子空间的加权投影<br>4.5.3 调整加权矩阵<br>4.5.4 WASM搜索过程<br>4.5.5 实验结果<br>4.6 主动外观模型<br>4.6.1 形状无关图像的统计分析<br>4.6.2 形状无关纹理统计模型的计算<br>4.6.3 AAM模型的建模<br>4.6.4 实验结果<br>本章参考文献<br>第5章 多视角人脸图像处理与识别方法<br>5.1 核主元分析技术<br>5.1.1 人脸图像特征提取<br>5.1.2 KPCA的基本概念<br>5.1.3 KPCA人脸识别流程<br>5.1.4 奇异值分解定理<br>5.2 观察子空间学习理论<br>5.2.1 无监督ISA观察子空间学习<br>5.2.2 有监督ISA观察子空间学习<br>5.3 核空间基于支持向量机的模式分类器<br>5.4 基于观察子空间的人脸图像姿态估计与人脸检测<br>5.4.1 基于观察子空间的人脸图像姿态估计<br>5.4.2 多姿态人脸检测<br>5.5 人工神经网络分类器<br>5.5.1 人工神经网络的基本概念<br>5.5.2 BP神经网络<br>5.6 基于KPCA和BP神经网络的多视角人脸识别<br>5.6.1 人脸图像预处理<br>5.6.2 KPCA特征提取<br>5.6.3 BP神经网络分类<br>本章参考文献<br>第6章 基于小波分析的人脸特征提取与识别技术<br>6.1 小波分析的基本概念<br>6.1.1 小波变换的多分辨率分析<br>6.1.2 二维离散小波变换<br>6.2 Mallat算法<br>6.2.1 一维信号的Mallat算法<br>6.2.2 二维信号的Mallat算法<br>6.2.3 小波变换实例<br>6.3 基于小波分析的人脸特征提取与识别<br>6.3.1 特征提取<br>6.3.2 识别算法<br>6.4 实验结果及讨论<br>6.4.1 小波分解层数的确定<br>6.4.2 网格数的确定<br>6.4.3 小波函数的选取<br>6.4.4 训练图像数目对识别率的影响<br>6.4.5 支持向量机核函数的选择<br>6.4.6 实验结果<br>本章参考文献<br>第7章 基于视觉联想的人脸识别技术<br>7.1 协同计算的基本概念<br>7.1.1 协同学原理:一种联系宏观特征与微观状态的非线性系统模型<br>7.1.2 广义协同计算<br>7.1.3 视觉计算的系统结构<br>7.2 序化动力系统数学模型<br>7.3 序化动力系统模型的神经网络实现<br>7.4 基于协同神经网络的视觉信息联想记忆算法<br>7.4.1 视觉信息联想记忆的实现方案<br>7.4.2 基于ODSM模型的视觉信息联想算法<br>7.5 ODSM模型的并行计算结构及其硬件实现<br>7.5.1 Cannon分块矩阵计算方法及其实现<br>7.5.2 序参量初始值的硬件计算和状态输出部件<br>7.5.3 竞争层的硬件计算部件<br>7.5.4 仿真结果及其性能分析<br>7.6 梯度动力学协同神经网络学习算法<br>7.6.1 标准原形模式学习算法<br>7.6.2 基于梯度动力学的协同神经网络学习算法<br>7.6.3 改进的梯度动力学的协同神经网络学习算法<br>7.6.4 新模式扩展学习算法<br>7.7 基于子波域旋转不变特征的协同神经网络人像识别<br>7.7.1 基于小波变换的旋转不变性特征向量<br>7.7.2 协同神经网络人像识别算法<br>7.7.3 实验结果<br>本章参考文献<br>第8章 人脸表情分析与识别技术<br>8.1 人脸表情识别方法研究现状<br>8.2 人脸表情识别技术<br>8.2.1 人脸表情识别系统框架<br>8.2.2 表情区域定位方法比较<br>8.2.3 表情特征提取方法分类<br>8.2.4 表情识别方法分类<br>8.2.5 人脸表情识别技术的难点<br>8.3 小波变换与PCA/LDA相结合的表情识别算法<br>8.3.1 二维离散小波<br>8.3.2 PCA/LDA Fisher判别分析<br>8.3.3 最近邻分类<br>8.3.4 实验结果<br>8.4 基于Gabor变换的表情特征提取<br>8.4.1 小波变换概述<br>8.4.2 基于Gabor小波变换的特征提取<br>8.4.3 人脸表情图片的预处理<br>8.4.4 K近邻分类<br>8.4.5 实验结果<br>本章参考文献<br>第9章 视频序列中的表情分析与表情综合<br>9.1 人脸建模与人脸表情合成技术<br>9.1.1 人脸建模技术<br>9.1.2 人脸表情合成技术<br>9.2 图像的预处理<br>9.2.1 尺寸归一化处理<br>9.2.2 人脸图像的旋转<br>9.2.3 人脸图像的比例裁剪与缩放<br>9.2.4 光照补偿处理<br>9.3 基于MPEG-4的人脸表情转换<br>9.3.1 MPEG-4中人脸动画标准简介<br>9.3.2 MPEG-4中人脸表情参数化<br>9.3.3 MPEG-4中人脸动画控制数据的获取方法<br>9.3.4 MPEG-4的标准人脸模型动画实现方法<br>9.4 真实感细微表情的合成<br>9.4.1 表情比例图的原理<br>9.4.2 局部表情比例图<br>9.4.3 局部表情的金字塔分解与重构<br>9.4.4 面向FAP的PERI参数化方法<br>9.5 展望<br>本章参考文献
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证