| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·人脸识别技术的背景和意义 | 第8-9页 |
| ·课题的提出 | 第8-9页 |
| ·人脸识别技术的广泛应用 | 第9页 |
| ·人脸识别技术的发展现状与技术难点 | 第9-12页 |
| ·人脸识别技术的发展 | 第10-11页 |
| ·人脸识别技术的研究难点 | 第11-12页 |
| ·人脸识别技术的主要内容 | 第12页 |
| ·特征提取 | 第12-14页 |
| ·基于几何特征的方法 | 第12-13页 |
| ·基于代数特征的方法 | 第13-14页 |
| ·人脸常用数据库介绍 | 第14-15页 |
| ·本文的组织结构及主要内容 | 第15-16页 |
| 第二章 主流特征提取方法 | 第16-25页 |
| ·主成分分析方法 | 第16-20页 |
| ·PCA 的基本思想 | 第16-17页 |
| ·PCA 原理与算法 | 第17-18页 |
| ·实验结果与分析 | 第18-20页 |
| ·Fisher 线性鉴别分析方法 | 第20-22页 |
| ·FLDA 的基本思想 | 第20-21页 |
| ·FLDA 原理与算法 | 第21-22页 |
| ·最大散度差鉴别分析方法 | 第22-23页 |
| ·实验结果及分析 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 对传统线性分析方法的改进分析 | 第25-39页 |
| ·对平均样本的改进 | 第25-27页 |
| ·去除干扰样本寻找中间样本 | 第25-26页 |
| ·去除干扰样本求平均样本 | 第26-27页 |
| ·算法分析 | 第27页 |
| ·改进后的FLDA 和MSLDA | 第27-31页 |
| ·相似性度量和分类器 | 第31-34页 |
| ·距离测量 | 第31页 |
| ·分类器 | 第31-34页 |
| ·整个识别过程 | 第34-35页 |
| ·实验结果及分析 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 基于改进算法的灰度图像的多代数特征融合方法 | 第39-46页 |
| ·信息融合 | 第39-40页 |
| ·典型相关分析的基本思想 | 第40页 |
| ·典型相关分析的原理与算法 | 第40-42页 |
| ·基于典型相关分析的特征融合策略 | 第42-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读学位期间公开发表的论文 | 第50-51页 |
| 致谢 | 第51-52页 |