| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·人脸识别研究背景及意义 | 第8-9页 |
| ·人脸识别的发展与国内外研究现状 | 第9-10页 |
| ·人脸识别技术面临的挑战与发展趋势 | 第10-11页 |
| ·本文主要内容及结构安排 | 第11-12页 |
| 第二章 人脸识别系统概述 | 第12-20页 |
| ·人脸识别的一般流程 | 第12-15页 |
| ·主要人脸图像数据库 | 第13-14页 |
| ·分类器设计 | 第14-15页 |
| ·人脸识别方法综述 | 第15-20页 |
| ·基于几何特征的方法 | 第16页 |
| ·基于模板匹配的方法 | 第16页 |
| ·基于统计特征的方法 | 第16-17页 |
| ·基于隐马尔科夫模型的方法 | 第17页 |
| ·基于人工神经网络的方法 | 第17-18页 |
| ·基于弹性图匹配的方法 | 第18-20页 |
| 第三章 基于主成份分析的人脸特征提取 | 第20-34页 |
| ·引言 | 第20页 |
| ·K-L变换基本原理 | 第20-21页 |
| ·基于经典PCA的特征提取 | 第21-23页 |
| ·经典 PCA 算法的实现 | 第21-22页 |
| ·几种常用特征值选取方法 | 第22-23页 |
| ·基于经典 PCA 的图像重构 | 第23页 |
| ·基于2DPCA的特征提取 | 第23-25页 |
| ·2DPCA 算法实现 | 第23-25页 |
| ·基于 2DPCA 的图像重构 | 第25页 |
| ·基于FPCA的特征提取 | 第25-28页 |
| ·正态分布矩阵的最大似然法参数估计 | 第25-26页 |
| ·FPCA 算法实现 | 第26-27页 |
| ·基于 FPCA 的图像重构 | 第27页 |
| ·FPCA 算法的泛化性能分析 | 第27-28页 |
| ·实验及其结果分析 | 第28-32页 |
| ·实验平台 | 第28页 |
| ·所用人脸数据库 | 第28-29页 |
| ·实验一：图像重构实验 | 第29-30页 |
| ·实验二：FPCA 泛化性能实验研究 | 第30-31页 |
| ·实验三：三种 PCA 算法在推广样本库上的识别率比较 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于模块化 FPCA 的灰度人脸图像识别 | 第34-42页 |
| ·引言 | 第34页 |
| ·基于M-PCA的人脸识别 | 第34-35页 |
| ·基于M-FPCA的人脸识别 | 第35-36页 |
| ·实验及其结果分析 | 第36-40页 |
| ·人脸数据库 | 第36-37页 |
| ·实验一：模块化特征提取识别率表现 | 第37-38页 |
| ·实验二：模块化特征提取在人脸识别中的实时性能 | 第38-40页 |
| ·实验三：模块化方式对 M-FPCA 方法识别率的影响 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第五章 基于彩色M-FPCA的彩色人脸图像识别 | 第42-48页 |
| ·引言 | 第42页 |
| ·彩色空间 | 第42页 |
| ·彩色M-FPCA应用于彩色图像特征提取 | 第42-44页 |
| ·实验及其结果分析 | 第44-47页 |
| ·实验一：色彩信息融合方法比较 | 第44-45页 |
| ·实验二：色彩信息对人脸识别率的影响 | 第45-46页 |
| ·实验三：特征提取算法的数据压缩性能比较 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 主要结论与展望 | 第48-50页 |
| 主要结论 | 第48页 |
| 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第54页 |