论文研究基于DCT域内拉普拉斯值排序的人脸识别方法.pdf

来自ieee，是基于局部特征识别的拉普拉斯脸识别，比pca lda 有更高的识别率，容易实现！

针对人脸克隆表情的真实性和表情重建的效率，提出了一种基于运动捕捉数据的人脸表情克隆新方法。使用运动捕捉设备捕捉人脸六种基本表情数据，并对数据进行归一化处理，使其位于同一区间范围，保证克隆表情数据的有效

清楚拉普拉斯变换的具体来历和弄清楚整个过程，为系统分析增加一定的基础，充分解决拉氏变换的基本问题

针对传统的人脸识别算法在单训练样本的情况下识别率不佳的情况，提出一种结合拉普拉斯滤波与中心对称局部二值模式的人脸识别算法（LFCLBP）。对原始人脸图像进行拉普拉斯滤波处理；然后对图像提取梯度幅值和梯

图像融合：拉普拉斯方法给出了多种基于拉普拉斯方法的方法和源码；

针对具有超重尾特性的语音信号，提出了混合拉普拉斯分布语音模型。从理论上探讨了混合拉普拉斯分布模型的参数估计，从原理与算法得以实现。通过最大期望（Expectation Maximization，EM）

探讨了局部线性嵌入（LLE）算法的推导过程，提出了一种基于LLE算法的人脸识别方法，并实验分析了该方法在ORL和UMIST人脸数据库中的识别效果。

针对拉普拉斯特征映射（LE）只能保持局部近邻信息，对新测试点无法描述的不足，提出一种基于二维核主成分分析的拉普拉斯特征映射算法（2D-KPCALE）。与核二维主成分分析算法（K2DPCA）不同，该算法

二值模式人脸识别在网上找的有关人脸识别的研究的论文，有助于初学者了解图像识别的相关知识。

这是一篇硕士论文，有一定的参考价值，好好分析论文，希望对你们有帮助。