| 摘要 | 第1-15页 |
| ABSTRACT | 第15-18页 |
| 第一章 绪论 | 第18-22页 |
| ·课题的研究背景及意义 | 第18-19页 |
| ·人脸识别及其应用 | 第18页 |
| ·人脸识别的研究内容 | 第18-19页 |
| ·人脸识别研究的挑战性 | 第19页 |
| ·国内外对人脸识别技术的研究概况 | 第19页 |
| ·本文的主要工作 | 第19-20页 |
| ·课题研究的目的 | 第19-20页 |
| ·课题研究主要内容 | 第20页 |
| ·本文的主要贡献 | 第20页 |
| ·本文各章内容安排 | 第20-22页 |
| 第二章 人脸识别的研究综述 | 第22-31页 |
| ·概述 | 第22页 |
| ·人脸识别系统的构成 | 第22页 |
| ·人脸识别的主要任务 | 第22-23页 |
| ·人脸识别的主要方法 | 第23-26页 |
| ·基于几何特征的方法 | 第23页 |
| ·基于人脸全貌的方法 | 第23-25页 |
| ·基于形状和纹理的方法 | 第25-26页 |
| ·人脸识别系统中常用的分类准则 | 第26-28页 |
| ·相似性测度 | 第26-27页 |
| ·分类器 | 第27-28页 |
| ·系统性能的评价 | 第28-31页 |
| ·人脸数据库 | 第28页 |
| ·主要评价指标 | 第28-31页 |
| 第三章 人脸识别的主成分分析方法 | 第31-38页 |
| ·概述 | 第31页 |
| ·K-L变换 | 第31-32页 |
| ·基本变换原理 | 第31-32页 |
| ·特征压缩 | 第32页 |
| ·人脸识别的PCA方法 | 第32-35页 |
| ·总体散布矩阵的形成 | 第33页 |
| ·维数问题 | 第33页 |
| ·变换矩阵的求解及变换的实现 | 第33-34页 |
| ·特征脸 | 第34-35页 |
| ·人脸识别的特征脸方法 | 第35页 |
| ·PCA的特点及存在问题 | 第35-36页 |
| ·特点 | 第35-36页 |
| ·存在问题 | 第36页 |
| ·相关方法的研究 | 第36-38页 |
| ·基于图像局部的方法 | 第36页 |
| ·采用不同的生成矩阵 | 第36页 |
| ·在非图像域上的PCA | 第36页 |
| ·采用不同的分类规则 | 第36-38页 |
| 第四章 基于PCA的人脸识别新方法 | 第38-53页 |
| ·概述 | 第38页 |
| ·加权PCA空间法 | 第38-42页 |
| ·问题的提出 | 第38-39页 |
| ·加权PCA空间 | 第39页 |
| ·WPCA空间的性质 | 第39-40页 |
| ·关于各个特征分量对于分类的贡献的进一步讨论 | 第40页 |
| ·实验结果 | 第40-42页 |
| ·基于图像校正和位平面融合的广义PCA方法 | 第42-47页 |
| ·基本思路 | 第42页 |
| ·对称图像校正 | 第42-43页 |
| ·基于位平面融合的广义PCA方法 | 第43-46页 |
| ·实验结果 | 第46-47页 |
| ·特征块方法 | 第47-53页 |
| ·问题的提出 | 第47页 |
| ·特征块方法 | 第47-49页 |
| ·基于块匹配的分类器 | 第49页 |
| ·实验结果 | 第49-52页 |
| ·关于特征块方法的一点说明 | 第52-53页 |
| 第五章 人脸识别的线性判别分析方法 | 第53-58页 |
| ·概述 | 第53页 |
| ·FISHER准则 | 第53-54页 |
| ·变换矩阵的求解 | 第54页 |
| ·小样本问题 | 第54-55页 |
| ·FISHERFACE方法 | 第55-56页 |
| ·基本思路 | 第55页 |
| ·变换空间 | 第55-56页 |
| ·其他解决小样本问题的方法 | 第56-58页 |
| ·关于散布矩阵的零空间 | 第56-57页 |
| ·D-LDA方法 | 第57页 |
| ·零空间法 | 第57-58页 |
| 第六章 采用PCA和F-LDA的人脸识别方法 | 第58-64页 |
| ·加权的类间散布矩阵 | 第58页 |
| ·F-LDA | 第58-60页 |
| ·PCA+F-LDA方法 | 第60-61页 |
| ·实验结果及分析 | 第61-63页 |
| ·两维空间中特征向量的分布比较 | 第61-62页 |
| ·算法对权函数的鲁棒性 | 第62页 |
| ·与其他方法的识别率比较实验 | 第62-63页 |
| ·与其他方法的耗时比较实验 | 第63页 |
| ·小结 | 第63-64页 |
| 第七章 基于GABOR变换的人脸识别方法 | 第64-74页 |
| ·GABOR变换及其提出 | 第64页 |
| ·图像的GABOR变换 | 第64-65页 |
| ·GABOR变换在人脸识别中的应用 | 第65-68页 |
| ·采用GABOR变换的典型人脸识别算法 | 第68-74页 |
| ·基于弹性图匹配或动态连接机制的算法 | 第68-71页 |
| ·基于GT子空间的算法 | 第71-73页 |
| ·复数问题的解决 | 第73-74页 |
| 第八章 人脸的环形对称GABOR变换及其特性 | 第74-79页 |
| ·概述 | 第74页 |
| ·环形对称GABOR变换 | 第74-76页 |
| ·CSGT的特性 | 第76-77页 |
| ·CSGT与人脸特征 | 第77-79页 |
| 第九章 基于环形对称GABOR变换的人脸识别方法 | 第79-94页 |
| ·概述 | 第79页 |
| ·变换域中特征的选择 | 第79-83页 |
| ·按照局部极大值或/和极小值排序 | 第80-81页 |
| ·按照局部极大值或/和极小值的相对高度排序 | 第81-82页 |
| ·不同通道的考虑 | 第82页 |
| ·基准点的合理分布 | 第82-83页 |
| ·人脸特征部位变换系数的聚类分析 | 第83页 |
| ·匹配准则 | 第83-85页 |
| ·特征融合与分类器融合 | 第85-86页 |
| ·特征融合 | 第85页 |
| ·分类器融合 | 第85-86页 |
| ·基于CSGT的人脸识别算法 | 第86-87页 |
| ·算法一:按图像分块局部极值排序的单通道识别算法 | 第87页 |
| ·算法二:按图像分块局部极值排序的多通道特征融合识别算法 | 第87页 |
| ·算法三:按图像分块局部极值排序的多通道分类器融合识别算法 | 第87页 |
| ·实验结果与讨论 | 第87-94页 |
| ·实验一 | 第87-90页 |
| ·实验二 | 第90-92页 |
| ·实验三 | 第92-93页 |
| ·与现有方法的比较结果 | 第93-94页 |
| 第十章 结论与展望 | 第94-96页 |
| ·结论 | 第94-95页 |
| ·对未来研究的展望 | 第95-96页 |
| 参考文献 | 第96-102页 |
| 致谢 | 第102-103页 |
| 攻读博士学位期间已经发表和即将发表的论文 | 第103-105页 |
| 附:英文论文2篇 | 第105-120页 |
| 学位论文评阅及答辩情况表 | 第120页 |