| 第一章 绪论 | 第1-19页 |
| ·前言 | 第8页 |
| ·课题研究的意义及背景 | 第8-10页 |
| ·人脸识别综述 | 第10-17页 |
| ·人脸识别的基本过程 | 第10-11页 |
| ·人脸识别的发展 | 第11-12页 |
| ·主要人脸识别技术 | 第12-17页 |
| ·基于几何特征的人脸识别方法 | 第12页 |
| ·基于模板匹配的人脸识别方法 | 第12-13页 |
| ·基于特征脸(PCA)的人脸识别方法 | 第13-14页 |
| ·神经网络的人脸识别方法 | 第14-15页 |
| ·弹性图匹配的人脸识别方法 | 第15页 |
| ·线段Hausdorff距离(LHD)的人脸识别方法 | 第15-16页 |
| ·隐马尔科夫(HMM)的人脸识别方法 | 第16页 |
| ·独立元分析(ICA)用于人脸识别 | 第16页 |
| ·其它方法简介 | 第16-17页 |
| ·论文的组织以及研究思路 | 第17-19页 |
| 第二章 人脸图像预处理 | 第19-28页 |
| ·人脸图像光照的补偿 | 第19-21页 |
| ·几何归一化 | 第21页 |
| ·特征增强滤波器 | 第21-28页 |
| ·滤波器模型 | 第21-22页 |
| ·滤波器性质 | 第22-28页 |
| 第三章 特征提取 | 第28-41页 |
| ·特征提取的意义 | 第28-29页 |
| ·主元特征提取方法 | 第29-35页 |
| ·主元分解的原理 | 第29-32页 |
| ·主元分析用于人脸特征提取 | 第32-35页 |
| ·独立元特征提取方法 | 第35-41页 |
| ·独立元分析原理 | 第35-38页 |
| ·独立元分析用于人脸特征提取 | 第38-41页 |
| 第四章 分类器设计 | 第41-58页 |
| ·分类中的偏差和方差 | 第41-42页 |
| ·最近邻分类器 | 第42-43页 |
| ·神经网络分类器 | 第43-52页 |
| ·神经网络简介 | 第43-44页 |
| ·多层感知器网络 | 第44-49页 |
| ·原理简介 | 第44-45页 |
| ·算法实现 | 第45-49页 |
| ·径向基函数网络 | 第49-52页 |
| ·原理简介 | 第49-50页 |
| ·算法实现 | 第50-52页 |
| ·委员会分类器 | 第52-58页 |
| ·原理 | 第52-55页 |
| ·算法实现 | 第55-58页 |
| 第五章 实验结果与分析 | 第58-63页 |
| ·人脸数据库简介 | 第58页 |
| ·实验设计 | 第58-59页 |
| ·实验结果及分析 | 第59-63页 |
| 第六章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 作者在研究生期间科研情况介绍 | 第72-73页 |
| 致谢 | 第73-74页 |
| 独创性申明 | 第74-75页 |
| 学位论文版权使用授权书 | 第75页 |