| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-19页 |
| ·人脸识别的研究背景及意义 | 第8-9页 |
| ·人脸识别的国内外研究现状 | 第9-10页 |
| ·人脸识别的研究内容 | 第10-11页 |
| ·人脸识别的主要方法 | 第11-15页 |
| ·基于几何特征的人脸识别 | 第12页 |
| ·基于子空间分析的人脸识别 | 第12-13页 |
| ·基于模板匹配的人脸识别 | 第13页 |
| ·基于隐马尔可夫模型的人脸识别 | 第13-14页 |
| ·基于神经网络的人脸识别 | 第14页 |
| ·基于 3D 的人脸识别 | 第14-15页 |
| ·人脸识别的测试数据库 | 第15-17页 |
| ·本文主要工作及章节安排 | 第17-19页 |
| ·论文主要工作 | 第17页 |
| ·论文章节安排 | 第17-19页 |
| 2 基于主成分分析的人脸识别 | 第19-27页 |
| ·主成份分析的基础理论 | 第19-22页 |
| ·PCA 原理 | 第19-21页 |
| ·奇异值分解 | 第21-22页 |
| ·基于 PCA 的人脸识别 | 第22-24页 |
| ·生成训练样本 | 第22-23页 |
| ·计算 K-L 变换的生成矩阵 | 第23页 |
| ·利用 SVD 定理计算图像的特征值和特征向量 | 第23页 |
| ·构建特征空间 | 第23-24页 |
| ·特征提取 | 第24页 |
| ·分类识别 | 第24页 |
| ·实验结果与分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于线性判别分析的人脸识别 | 第27-34页 |
| ·线性判别分析的基础理论 | 第27-31页 |
| ·Fisher 判别准则 | 第27-29页 |
| ·经典 Fisher 线性判别分析方法 | 第29-31页 |
| ·基于 LDA 的人脸识别 | 第31-32页 |
| ·实验结果与分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于独立成分分析的人脸识别 | 第34-42页 |
| ·独立成分分析的基础理论 | 第34-37页 |
| ·ICA 原理 | 第34-35页 |
| ·白化预处理 | 第35页 |
| ·独立性与非高斯性的等价 | 第35-36页 |
| ·FastICA 算法的原理 | 第36-37页 |
| ·基于 ICA 的人脸识别 | 第37-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 5 改进的基于 Gabor 小波变换的 ICA 人脸识别 | 第42-51页 |
| ·Gabor 小波变换的基础理论 | 第43-47页 |
| ·二维 Gabor 小波变换 | 第43-44页 |
| ·二维 Gabor 滤波器组的参数及其意义 | 第44-47页 |
| ·人脸的 Gabor 特征描述 | 第47页 |
| ·基于 Gabor 小波变换的 ICA 人脸识别 | 第47-48页 |
| ·实验结果与分析 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 6 总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |