| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 本文研究的目的意义 | 第10-11页 |
| 1.2 人脸识别的定义及主要研究内容 | 第11页 |
| 1.3 人脸检测和识别的常用方法 | 第11-15页 |
| 1.3.1 人脸检测的常用方法 | 第11-13页 |
| 1.3.2 人脸识别的常用方法 | 第13-15页 |
| 1.4 人脸识别的应用 | 第15-16页 |
| 1.5 人脸识别问题中的难点及发展方向 | 第16-17页 |
| 1.6 本文研究的主要内容 | 第17-18页 |
| 第二章 人脸图像的预处理及特征提取 | 第18-28页 |
| 2.1 人脸图像预处理方法 | 第18-22页 |
| 2.1.1. 图像去噪 | 第18-20页 |
| 2.1.2 图像归一化 | 第20-22页 |
| 2.2 特征提取 | 第22-27页 |
| 2.2.1 K-L 变换 | 第22-24页 |
| 2.2.2 主成分分析理论 | 第24-25页 |
| 2.2.3 基于分块 PCA 的特征提取 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 基于粒子群神经网络的人脸识别 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 人工神经网络 | 第28-34页 |
| 3.2.1 人工神经网络原理 | 第28-32页 |
| 3.2.1.1 人工神经网络简介 | 第28-30页 |
| 3.2.1.2 人工神经网络的训练 | 第30-31页 |
| 3.2.1.3 人工神经网络的分类 | 第31-32页 |
| 3.2.2 BP 神经网络 | 第32-34页 |
| 3.2.2.1 BP 网络结构 | 第32-33页 |
| 3.2.2.2 BP 学习算法 | 第33-34页 |
| 3.3 粒子群优化算法 | 第34-39页 |
| 3.3.1 粒子群算法原理 | 第34-36页 |
| 3.3.2 粒子群收敛性分析 | 第36-39页 |
| 3.3.2.1 粒子群的轨迹收敛分析 | 第36-38页 |
| 3.3.2.2 粒子群的速度收敛分析 | 第38-39页 |
| 3.4 粒子群优化神经网络的人脸识别 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 实验结果分析 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 人脸图像库 | 第41页 |
| 4.3 PCA 在 ORL 人脸库的实验 | 第41-43页 |
| 4.4 分块 PCA 特征提取 | 第43-44页 |
| 4.5 粒子群优化神经网络在 ORL 人脸库的实验 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 详细摘要 | 第54-60页 |