| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·人脸识别的发展历史与研究现状 | 第12-13页 |
| ·人脸识别的挑战 | 第13-15页 |
| ·论文研究意义及内容结构 | 第15-17页 |
| 第二章 支持向量机 | 第17-35页 |
| ·理论基础 | 第17-20页 |
| ·基于先验知识的方法 | 第18页 |
| ·经验风险最小化原理 | 第18-19页 |
| ·结构风险最小化原理 | 第19-20页 |
| ·两种典型支持向量分类机 | 第20-25页 |
| ·最优分类超平面 | 第20-21页 |
| ·线性支持向量分类机 | 第21-24页 |
| ·非线性支持向量分类机 | 第24-25页 |
| ·支持向量机模型及参数选取 | 第25-34页 |
| ·核函数介绍 | 第26-29页 |
| ·模型选择的常用方法 | 第29-31页 |
| ·支持向量机模型选择的几点探讨 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 人脸识别方法原理、算法分类比较 | 第35-40页 |
| ·基于连接机制的人脸识别方法 | 第35-37页 |
| ·基于神经网络的方法 | 第35-36页 |
| ·基于弹性图匹配的方法 | 第36-37页 |
| ·基于统计特征的人脸识别方法 | 第37-39页 |
| ·马尔科夫模型方法 | 第37页 |
| ·子空间方法 | 第37-39页 |
| ·基于几何特征的人脸识别方法 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 人脸图像预处理 | 第40-54页 |
| ·人脸图像预处理基本方法 | 第40-47页 |
| ·人脸图像的几何归一化 | 第40-44页 |
| ·人脸图像的光照归一化 | 第44-47页 |
| ·对比试验 | 第47页 |
| ·常用的边缘检测器介绍 | 第47-49页 |
| ·Roberts检测器 | 第48页 |
| ·Prewitt检测器 | 第48页 |
| ·Sobel检测器 | 第48-49页 |
| ·Laplace检测器 | 第49页 |
| ·基于中值滤波的LAPLACE边缘检测器 | 第49-52页 |
| ·基于Laplace检测器的边缘检测模型 | 第49-50页 |
| ·基于中值滤波的Laplace边缘检测器 | 第50-51页 |
| ·设置边缘检测器的最优门限 | 第51-52页 |
| ·对比实验 | 第52页 |
| ·本章小结 | 第52-54页 |
| 第五章 基于支持向量机和遗传算法的人脸识别方法 | 第54-70页 |
| ·遗传算法的基本操作 | 第54-59页 |
| ·选择、复制算子 | 第54-55页 |
| ·交叉 | 第55-57页 |
| ·变异 | 第57-58页 |
| ·标准遗传算法的流程 | 第58-59页 |
| ·遗传算法的改进 | 第59-61页 |
| ·并行遗传算法 | 第59-60页 |
| ·混合遗传算法 | 第60页 |
| ·分层遗传算法 | 第60-61页 |
| ·人脸图像的特征提取 | 第61-66页 |
| ·核独立成分分析方法 | 第61-62页 |
| ·基于PCA和KICA的特征提取方法 | 第62-65页 |
| ·基于PCA和KICA的人脸特征提取实验 | 第65-66页 |
| ·基于支持向量机和遗传算法的人脸识别方法 | 第66-69页 |
| ·基于遗传算法的支持向量机模型参数选择 | 第67-68页 |
| ·仿真实验 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结和展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·未来工作展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 作者在读研期间发表的学术论文及参加的科研项目 | 第76-77页 |
| 详细摘要 | 第77-81页 |