| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及研究意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本论文的主要工作 | 第13页 |
| 1.4 论文组织安排 | 第13-15页 |
| 第2章 人脸识别中的相关技术 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 灰度处理与边缘检测 | 第15-16页 |
| 2.3 图像预处理 | 第16-21页 |
| 2.3.1 人脸对齐 | 第17-18页 |
| 2.3.2 光照处理 | 第18-21页 |
| 2.4 直方图相似度计算 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于改进LBP的单样本人脸识别 | 第24-36页 |
| 3.1 LBP算法原理 | 第24-29页 |
| 3.1.1 基本的LBP算子 | 第24-27页 |
| 3.1.2 LBP算子的发展和演化 | 第27-29页 |
| 3.1.3 LBP算子的特点 | 第29页 |
| 3.2 BLBP算子 | 第29-30页 |
| 3.3 实验结果与分析 | 第30-34页 |
| 3.3.1 实验流程 | 第30-32页 |
| 3.3.2 实验结果 | 第32-34页 |
| 3.4 本章小结 | 第34-36页 |
| 第4章 基于GaussianFace的单样本人脸识别 | 第36-50页 |
| 4.1 核Fisher方法 | 第36-39页 |
| 4.1.1 Fisher线性判别 | 第36-37页 |
| 4.1.2 核函数理论 | 第37-38页 |
| 4.1.3 核Fisher线性判别理论 | 第38-39页 |
| 4.2 贝叶斯规则 | 第39-41页 |
| 4.2.1 类内子空间与类间子空间 | 第39-40页 |
| 4.2.2 概率相似度准则 | 第40-41页 |
| 4.3 GaussianFace算法设计 | 第41-45页 |
| 4.3.1 高斯过程的二元分类 | 第41页 |
| 4.3.2 拉普拉斯近似 | 第41-43页 |
| 4.3.3 高斯人脸（GaussianFace） | 第43-44页 |
| 4.3.4 GaussianFace模型 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-49页 |
| 4.4.1 基于GaussianFace模型的人脸识别流程 | 第45-47页 |
| 4.4.2 GaussianFace模型作为分类器 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 全文总结与创新 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 附录A 个人简历 | 第57-58页 |
| 附录B 攻读硕士学位期间发表的论文 | 第58页 |
