| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·人脸识别的研究背景及意义 | 第9-10页 |
| ·人脸识别的发展趋势 | 第10-12页 |
| ·人脸识别的应用 | 第12-13页 |
| ·人脸识别的性能评价标准 | 第13-14页 |
| ·本文研究的主要内容及结构安排 | 第14-16页 |
| 第2章 人脸识别方法概述 | 第16-21页 |
| ·人脸识别的过程 | 第16-17页 |
| ·常用的人脸识别方法 | 第17-20页 |
| ·基于几何特征的方法 | 第17页 |
| ·基于模板匹配的方法 | 第17-18页 |
| ·基于统计数据的方法 | 第18-19页 |
| ·丛于模型的方法 | 第19页 |
| ·基于神经网络的方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于小波分解及非负矩阵稀疏分解(NMFs)的人脸特征提取 | 第21-38页 |
| ·小波变换 | 第21-27页 |
| ·小波变换的定义 | 第21-23页 |
| ·多分辨率分析的思想 | 第23-24页 |
| ·人脸识别中的小波变换 | 第24-27页 |
| ·非负矩阵分解(NMF)算法 | 第27-31页 |
| ·NMF算法简介 | 第27-28页 |
| ·NMF算法基本原理 | 第28-31页 |
| ·非负矩阵稀疏分解(NMFs) | 第31-34页 |
| ·L1和L2范式 | 第31页 |
| ·稀疏度 | 第31-32页 |
| ·基于L1和L2范数的非负稀疏投影算法 | 第32-33页 |
| ·非负矩阵稀疏分解NMFs算法 | 第33-34页 |
| ·实验结果与分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于RBF神经网络的人脸识别 | 第38-51页 |
| ·RBF神经网络的结构 | 第38-39页 |
| ·RBF神经网络常用的中心学习方法 | 第39-41页 |
| ·自组织选取中心的RBF神经网络设计方法 | 第41-42页 |
| ·提出一种改进的RBF神经网络设计方法 | 第42-48页 |
| ·RBF神经网络的构建和初始化 | 第42-44页 |
| ·RBF神经网络高斯宽度的估计 | 第44-45页 |
| ·RBF神经网络的混合学习算法 | 第45-47页 |
| ·RBF神经网络的学习过程 | 第47-48页 |
| ·实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于NMFs与RBF神经网络的人脸识别方案设计 | 第51-60页 |
| ·基于小波分解和NMFs的人脸图像特征提取 | 第52-57页 |
| ·小波基的选择 | 第52-53页 |
| ·小波分解层数的选择 | 第53-55页 |
| ·NMFs的稀疏度控制 | 第55-56页 |
| ·基于小波分解和NMFs的特征提取 | 第56-57页 |
| ·分类器的设计 | 第57-59页 |
| ·基于RBF神经网络的分类器设计 | 第57-59页 |
| ·基于RBF神经网络分类器识别 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第6章 实验步骤与结果分析 | 第60-67页 |
| ·人脸识别实验步骤 | 第60-62页 |
| ·实验结果与分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第7章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |