| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景和意义 | 第11-12页 |
| ·人脸识别的研究状况 | 第12-13页 |
| ·广义人脸识别的研究内容 | 第13-14页 |
| ·人脸识别的难点 | 第14页 |
| ·本文的研究思想和主要工作 | 第14-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第2章 人脸识别理论模型及算法测试平台 | 第17-31页 |
| ·引言 | 第17-18页 |
| ·图像预处理的相关方法 | 第18-21页 |
| ·人脸检测及眼睛定位 | 第18页 |
| ·几何规范化 | 第18-19页 |
| ·灰度规范化 | 第19-20页 |
| ·人脸图像的预处理过程 | 第20-21页 |
| ·图像特征表达相关方法 | 第21-23页 |
| ·灰度特征 | 第21-22页 |
| ·Gabor特征 | 第22页 |
| ·局部二值模式 | 第22-23页 |
| ·子空间特征抽取的相关方法 | 第23-27页 |
| ·主分量分析 | 第24-25页 |
| ·线性判别分析 | 第25-27页 |
| ·特征分类相关方法 | 第27-28页 |
| ·人脸识别算法测试平台 | 第28-31页 |
| ·人脸测试库 | 第28-30页 |
| ·软件平台 | 第30-31页 |
| 第3章 基于Gabor小波和LBP直方图统计的局部特征抽取 | 第31-47页 |
| ·引言 | 第31页 |
| ·Gabor变换 | 第31-36页 |
| ·二维Gabor小波变换 | 第31-32页 |
| ·Gabor小波的特性 | 第32-34页 |
| ·Gabor小波滤波器在人脸识别中的响应特性 | 第34-36页 |
| ·Gabor幅值域二值模式的人脸特征描述 | 第36-40页 |
| ·局部二值模式 | 第36-38页 |
| ·基于Gabor幅值的二值模式 | 第38页 |
| ·局部二值模式的直方图统计 | 第38-40页 |
| ·基于LGBP人脸描述的分块LDA特征抽取研究 | 第40-43页 |
| ·分块LDA的基本理论 | 第40-41页 |
| ·Fisher加权的分块LDA特征抽取 | 第41-43页 |
| ·实验及结果分析 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第4章 基于高斯低通滤波和Gabor小波的全局特征抽取 | 第47-57页 |
| ·引言 | 第47-48页 |
| ·频域低通滤波器 | 第48-51页 |
| ·理想滤波器的响应特性 | 第49-50页 |
| ·巴特沃思滤波器的响应特性 | 第50页 |
| ·高斯低通滤波器的响应特性 | 第50-51页 |
| ·基于高斯低通滤波的图像低频成分提取 | 第51-52页 |
| ·滤波图像的Gabor特征提取 | 第52-53页 |
| ·训练样本对全局特征鲁棒性的影响分析 | 第53-54页 |
| ·训练样本光照的多样性 | 第53-54页 |
| ·图像的水平镜像变换 | 第54页 |
| ·像素点错位扰动 | 第54页 |
| ·实验及结果分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 基于特征融合的人脸识别算法测试及实际性能分析 | 第57-65页 |
| ·引言 | 第57页 |
| ·基于全局和局部特征融合的人脸识别算法性能测试 | 第57-61页 |
| ·局部和全局特征融合的人脸识别算法 | 第58页 |
| ·基于特征融合的人脸识别算法性能分析 | 第58-60页 |
| ·不同算法之间性能对比 | 第60-61页 |
| ·算法实际性能分析与改进 | 第61-64页 |
| ·速度测试及改进 | 第61-62页 |
| ·图片格式对人脸识别的影响 | 第62页 |
| ·实时识别环境中待识别识别人脸图像的选择 | 第62-63页 |
| ·算法实际环境人脸识别率 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 结语 | 第65-67页 |
| ·本文工作总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
