| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 人脸识别国内外研究现状 | 第12-19页 |
| 1.2.1 基于几何特征的人脸识别 | 第12-14页 |
| 1.2.2 基于子空间的人脸识别 | 第14-17页 |
| 1.2.3 基于小波特征的人脸识别 | 第17-18页 |
| 1.2.4 基于隐马尔可夫的人脸识别 | 第18页 |
| 1.2.5 基于神经网络的人脸识别 | 第18-19页 |
| 1.3 性能评价指标 | 第19-20页 |
| 1.4 本文的组织结构 | 第20-21页 |
| 第2章 相关知识介绍 | 第21-31页 |
| 2.1 直方图均衡化 | 第21-22页 |
| 2.2 张量分析 | 第22-25页 |
| 2.2.1 张量的基本概念和运算法则 | 第23-24页 |
| 2.2.2 张量与矩阵 | 第24页 |
| 2.2.3 张量展开 | 第24-25页 |
| 2.3 分类准则 | 第25-26页 |
| 2.4 OpenMP简介 | 第26-27页 |
| 2.5 SSE指令集简介 | 第27-28页 |
| 2.6 公用人脸数据库 | 第28-30页 |
| 2.7 小结 | 第30-31页 |
| 第3章 张量主成分分析设计与实现 | 第31-43页 |
| 3.1 概述 | 第31页 |
| 3.2 张量主成分分析TensorPCA | 第31-37页 |
| 3.2.1 K-L变换 | 第32-34页 |
| 3.2.2 TensorPCA基本思想 | 第34-35页 |
| 3.2.3 TensorPCA在人脸识别中的应用 | 第35-37页 |
| 3.3 实验结果与分析 | 第37-41页 |
| 3.3.1 实验测试环境 | 第37页 |
| 3.3.2 ORL人脸数据库 | 第37-39页 |
| 3.3.3 Yale人脸数据库 | 第39-41页 |
| 3.4 小结 | 第41-43页 |
| 第4章 改进型张量线性判别分析 | 第43-57页 |
| 4.1 概述 | 第43页 |
| 4.2 张量线性判别分析TensorLDA | 第43-52页 |
| 4.2.1 Fisher判别准则 | 第43-45页 |
| 4.2.2 多分类线性判别分析 | 第45-47页 |
| 4.2.3 小样本问题解决方法 | 第47-48页 |
| 4.2.4 张量线性判别分析TensorLDA | 第48-50页 |
| 4.2.5 改进型张量线性判别分析It-TensorLDA | 第50-52页 |
| 4.3 实验结果与分析 | 第52-56页 |
| 4.3.1 实验测试环境 | 第52页 |
| 4.3.2 ORL人脸数据库 | 第52-53页 |
| 4.3.3 Yale人脸数据库 | 第53-55页 |
| 4.3.4 AR人脸数据库 | 第55-56页 |
| 4.4 小结 | 第56-57页 |
| 第5章 算法的并行实现 | 第57-69页 |
| 5.1 人脸图像数据读取 | 第57-58页 |
| 5.2 TensorPCA的并行实现 | 第58-63页 |
| 5.2.1 基于OpenMP的TensorPCA特征提取 | 第59-60页 |
| 5.2.2 基于SSE的TensorPCA特征提取 | 第60-61页 |
| 5.2.3 基于OpenMP和SSE的TensorPCA特征提取 | 第61页 |
| 5.2.4 性能比较与分析 | 第61-63页 |
| 5.3 TensorLDA的并行实现 | 第63-67页 |
| 5.3.1 基于OpenMP的TensorLDA特征提取 | 第64页 |
| 5.3.2 基于SSE的TensorLDA特征提取 | 第64-65页 |
| 5.3.3 基于OpenMP和SSE的TensorLDA特征提取 | 第65页 |
| 5.3.4 性能比较与分析 | 第65-67页 |
| 5.4 小结 | 第67-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 附录 | 第77页 |
| 附录A | 第77页 |
