| 提要 | 第1-7页 |
| 前言 | 第7-8页 |
| 第一章 绪论 | 第8-13页 |
| ·论文选题的背景 | 第8页 |
| ·人脸识别技术回顾 | 第8-11页 |
| ·人脸检测 | 第8-9页 |
| ·人脸特征的提取与识别 | 第9-11页 |
| ·本文的主要工作 | 第11-13页 |
| 第二章 小波分析理论 | 第13-25页 |
| ·小波变换的自适应时- 频窗 | 第13页 |
| ·基于小波的多尺度分析 | 第13-15页 |
| ·MRA 的重要性 | 第15-17页 |
| ·MRA 确定了L~2(R) 的子空间直和分解关系 | 第15页 |
| ·MRA 明确了W_j 的结构 | 第15-16页 |
| ·MRA 明确了f(t) ∈L_2(R) 的级数表示形式. | 第16页 |
| ·MRA 所确定的数字滤波器 | 第16-17页 |
| ·Mallat 算法 | 第17-20页 |
| ·尺度空间的有限分解及数据表征 | 第17-18页 |
| ·小波的分解算法 | 第18-19页 |
| ·小波的重构算法 | 第19-20页 |
| ·小波变换的二维推广 | 第20-22页 |
| ·正交小波包 | 第22-25页 |
| ·小波包的定义 | 第22-23页 |
| ·小波包分解和重构 | 第23-25页 |
| 第三章 小波包在人脸识别中的应用 | 第25-32页 |
| ·基于小波包的特征提取 | 第25-32页 |
| ·原始的LDB 方法 | 第26-28页 |
| ·LDB 方法的优点 | 第28-29页 |
| ·LDB 方法所要确定的参数 | 第29-30页 |
| ·可分性判据 | 第30-32页 |
| 第四章 本文的方法 | 第32-41页 |
| ·主成份分析(PCA) | 第32-36页 |
| ·离散K-L 变换 | 第32-35页 |
| ·特征向量的选取 | 第35-36页 |
| ·本文的算法过程 | 第36-38页 |
| ·最近邻分类方法 | 第38-39页 |
| ·试验结果 | 第39-41页 |
| 总结与展望 | 第41-42页 |
| 参考文献 | 第42-43页 |
| 中文摘要 | 第43-45页 |
| 英文摘要 | 第45-47页 |
| 致谢 | 第47页 |