| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 人脸识别的研究现状及现存问题 | 第11-13页 |
| 1.2.1 人脸识别的研究现状 | 第11-12页 |
| 1.2.2 人脸识别的现存问题 | 第12-13页 |
| 1.3 常用的人脸识别方法及在多表情的人脸识别中的应用 | 第13-16页 |
| 1.3.1 基于几何特征的方法 | 第14页 |
| 1.3.2 基于统计特征的方法 | 第14-15页 |
| 1.3.3 基于频率域特征的方法 | 第15-16页 |
| 1.3.4 基于代数特征的方法 | 第16页 |
| 1.4 主要多表情的人脸库介绍 | 第16-18页 |
| 1.5 本文的主要内容及结构 | 第18-20页 |
| 第二章 人脸图像的预处理研究 | 第20-26页 |
| 2.1 引言 | 第20-21页 |
| 2.2 人脸的检测和定位 | 第21页 |
| 2.3 人脸图像的规范化 | 第21-25页 |
| 2.3.1 直方图均衡化 | 第21-22页 |
| 2.3.2 平滑滤波 | 第22-23页 |
| 2.3.3 归一化 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于小波变换和主成分分析的人脸识别 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 小波变换理论 | 第26-30页 |
| 3.2.1 连续小波变换 | 第26-27页 |
| 3.2.2 离散小波变换 | 第27-28页 |
| 3.2.3 二维离散的人脸图像小波变换 | 第28-30页 |
| 3.3 基于小波变换的人脸特征提取 | 第30-32页 |
| 3.4 基于主成分分析的分类识别 | 第32-34页 |
| 3.5 实验结果及分析 | 第34-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 基于隐马尔可夫模型的人脸识别 | 第40-66页 |
| 4.1 引言 | 第40页 |
| 4.2 隐马尔可夫模型介绍 | 第40-42页 |
| 4.3 隐马尔可夫模型的三个基本问题及解决方法 | 第42-48页 |
| 4.3.1 HMM的三个基本问题 | 第42页 |
| 4.3.2 HMM基本问题的解决方法 | 第42-48页 |
| 4.4 基于小波变换和HMM结合的人脸识别 | 第48-54页 |
| 4.4.1 HMM的人脸模型 | 第48-49页 |
| 4.4.2 加权的分块特征提取和观察值序列的生成 | 第49-52页 |
| 4.4.3 小波变换和隐马尔可夫模型训练 | 第52-54页 |
| 4.4.4 小波变换和隐马尔可夫模型的人脸识别过程 | 第54页 |
| 4.5 实验结果与分析 | 第54-59页 |
| 4.6 人脸识别系统的实现 | 第59-63页 |
| 4.7 本章小结 | 第63-66页 |
| 第五章 总结与展望 | 第66-70页 |
| 5.1 全文工作总结 | 第66-67页 |
| 5.2 未来工作展望 | 第67-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 附录A：攻读硕士期间的学术成果 | 第76页 |