| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-15页 |
| ·引言 | 第11页 |
| ·人脸识别的研究背景及意义 | 第11-12页 |
| ·人脸识别的研究现状 | 第12页 |
| ·人脸识别的难点 | 第12-13页 |
| ·论文的主要工作 | 第13-14页 |
| ·本文内容安排 | 第14-15页 |
| 第2章 人脸识别技术预备知识 | 第15-28页 |
| ·模式识别 | 第15页 |
| ·特征提取 | 第15-16页 |
| ·模式识别方法 | 第16-18页 |
| ·人脸识别技术与研究的内容 | 第18-28页 |
| ·引言 | 第18-19页 |
| ·人脸图像的检测 | 第19-21页 |
| ·人脸图像预处理 | 第21-24页 |
| ·人脸图像特征提取 | 第24-25页 |
| ·人脸图像分类 | 第25-28页 |
| 第3章 子空间分析方法 | 第28-53页 |
| ·引言 | 第28页 |
| ·线性子空间方法 | 第28-33页 |
| ·主成分分析法 | 第28-31页 |
| ·线性判别分析法(Linear Discriminant Analysis,LDA) | 第31-33页 |
| ·独立成分分析法(Independent Component Analysis,ICA) | 第33页 |
| ·独立成分分析法(Independent Component Analysis,ICA) | 第33-43页 |
| ·独立成分分析法的定义 | 第34-36页 |
| ·独立成分分析基本理论 | 第36页 |
| ·独立成分分析法的分类 | 第36-37页 |
| ·独立成分分析法(ICA)的估计模型 | 第37-39页 |
| ·快速独立成分分析(FastICA)算法原理及步骤 | 第39-42页 |
| ·独立成分分析(ICA)的应用 | 第42-43页 |
| ·基于核技术的非线性子空间方法 | 第43-51页 |
| ·核方法 | 第43-45页 |
| ·核主成分分析(KPCA) | 第45-46页 |
| ·核Fisher判别分析(KFDA) | 第46-49页 |
| ·核独立成分分析(KICA) | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 基于对称的核独立成分分析(ICA) | 第53-61页 |
| ·引言 | 第53页 |
| ·算法原理 | 第53-55页 |
| ·镜像对称性 | 第53-54页 |
| ·奇偶分解原理 | 第54-55页 |
| ·基于对称的核ICA人脸识别 | 第55-57页 |
| ·算法原理 | 第55-56页 |
| ·人脸识别 | 第56-57页 |
| ·实验结果与分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 研究总结 | 第61-62页 |
| 未来工作与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录A 攻读学位期间所发表的学术论文 | 第68页 |
