| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·自动人脸识别技术的研究背景 | 第10-12页 |
| ·本文选题的意义 | 第12-13页 |
| ·本文的主要工作及论文结构安排 | 第13-15页 |
| 第二章 人脸识别问题分析及算法概述 | 第15-27页 |
| ·人脸识别问题分析 | 第15-17页 |
| ·人脸识别的问题描述 | 第15-16页 |
| ·人脸图像的成像模型 | 第16-17页 |
| ·人脸识别算法概述 | 第17-24页 |
| ·自动人脸识别中存在的问题 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于线性子空间学习的人脸识别算法 | 第27-40页 |
| ·张量代数 | 第27-30页 |
| ·人脸识别中的张量代数 | 第27-28页 |
| ·相关的张量代数知识简介 | 第28-30页 |
| ·几种线性子空间人脸识别算法 | 第30-39页 |
| ·主成份分析算法 | 第30-33页 |
| ·线性判别分析算法 | 第33-37页 |
| ·典型相关分析算法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于二维判别典型相关分析法的人脸识别研究 | 第40-55页 |
| ·判别典型相关分析算法 | 第40-42页 |
| ·二维判别典型相关分析算法 | 第42-46页 |
| ·二维判别典型相关分析算法的原理分析及推导 | 第42-45页 |
| ·二维判别典型相关分析算法流程 | 第45-46页 |
| ·实验结果与分析 | 第46-54页 |
| ·二维判别典型相关分析法特性分析 | 第46-50页 |
| ·2D-DCCA 算法与 CCA,DCCA 算法的识别性能比较 | 第50-51页 |
| ·2D-DCCA 算法在不同姿态下人脸识别的稳定性 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 人脸识别中存在的姿态问题 | 第55-68页 |
| ·人脸识别的姿态问题 | 第55页 |
| ·针对人脸识别姿态问题的算法概述 | 第55-58页 |
| ·针对人脸识别姿态问题的几种算法 | 第58-67页 |
| ·基于多子区域的概率建模的姿态变化下的人脸识别算法 | 第58-61页 |
| ·基于学习子区域对应关系的姿态变化下的人脸识别算法 | 第61-65页 |
| ·基于局部线性回归的姿态变化下的人脸识别算法 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 加权子区域相似度的人脸识别算法 | 第68-80页 |
| ·加权子区域相似度的人脸识别算法 | 第68-75页 |
| ·生成虚拟正面人脸图像 | 第68-71页 |
| ·基于高斯概率模型的相似度计算 | 第71-74页 |
| ·子区域可区分能力 | 第74-75页 |
| ·实验结果与分析 | 第75-78页 |
| ·用 PSNR 评价标准验证虚拟人脸图像 | 第75-77页 |
| ·加权子区域相似度的人脸识别算法性能分析 | 第77-78页 |
| ·本章小结 | 第78-80页 |
| 第七章 结束语 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |
