| 摘要 | 第1-4页 |
| Abstract | 第4-11页 |
| 注释表 | 第11-12页 |
| 第1章 引言 | 第12-21页 |
| ·选题背景和研究意义 | 第12-14页 |
| ·人脸识别的研究现状 | 第14-17页 |
| ·国内外研究现状 | 第14-15页 |
| ·目前存在的挑战 | 第15-17页 |
| ·常用人脸识别图像库简介 | 第17-18页 |
| ·耶鲁人脸图像库 | 第17页 |
| ·扩展耶鲁 B 人脸图像库 | 第17页 |
| ·卡耐基梅隆大学 PIE 人脸图像库 | 第17-18页 |
| ·户外 ORL 人脸图像库 | 第18页 |
| ·近红外 PloyU 人脸图像库 | 第18页 |
| ·论文研究内容及贡献 | 第18-19页 |
| ·本文组织结构 | 第19-21页 |
| 第2章 人脸识别的常用方法 | 第21-37页 |
| ·基于提取人脸局部特征的方法 | 第21-29页 |
| ·局部二值模式 LBP 算法 | 第21-26页 |
| ·小波变换 Gabor 滤波器 | 第26-28页 |
| ·基于面部几何特征算法 | 第28-29页 |
| ·基于提取人脸整体特征的方法 | 第29-36页 |
| ·主成份分析算法 | 第29-31页 |
| ·线性判别 Fisher 分析算法 | 第31-34页 |
| ·基于流形学习的人脸识别算法 | 第34-35页 |
| ·基于核方法的子空间分析方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于局部三值模式自适应阈值的人脸识别方法 | 第37-46页 |
| ·局部三值模式 | 第37-38页 |
| ·自适应阈值ε-LTP 算法 | 第38-39页 |
| ·信息熵加权融合 LTP 分层特征 | 第39-41页 |
| ·基于局部三值模式自适应阈值的人脸识别 | 第41-45页 |
| ·基于 Extended Yale B 人脸库的实验 | 第41-43页 |
| ·基于 CMU PIE 人脸库的实验 | 第43-44页 |
| ·噪声影响下的识别实验 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 融合 E-GV-LBP 和 FKNN 的近红外人脸识别方法 | 第46-60页 |
| ·人脸特征提取算法 E-GV-LBP | 第47-49页 |
| ·滤波器 Gabor 小波 | 第47-48页 |
| ·特征提取算法 E-GV-LBP | 第48-49页 |
| ·改进分类算法 FKNN | 第49-52页 |
| ·分类算法 KNN | 第49-50页 |
| ·基于空间分布域的 FKNN 分类算法 | 第50-52页 |
| ·实验结果与分析 | 第52-59页 |
| ·融合 E-GV-LBP 和 FKNN 的近红外人脸识别 | 第52-56页 |
| ·融合 E-GV-LBP 和 FKNN 的可见光人脸识别 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 结束语 | 第60-62页 |
| ·主要工作与创新点 | 第60-61页 |
| ·后续研究工作 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第68页 |
