| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 1. 绪论 | 第12-34页 |
| ·研究背景和意义 | 第12-18页 |
| ·生物识别技术发展的重要意义 | 第12-17页 |
| ·人脸识别技术的重要作用 | 第17-18页 |
| ·人脸识别技术的国内外研究现状 | 第18-22页 |
| ·人脸识别的研究内容和方法综述 | 第22-30页 |
| ·人脸识别的研究内容 | 第22页 |
| ·主要的人脸识别方法 | 第22-30页 |
| ·本文的研究内容 | 第30-32页 |
| ·本文的结构安排 | 第32-34页 |
| 2 人脸识别中的光照问题研究 | 第34-44页 |
| ·光照对人脸识别的影响 | 第34-36页 |
| ·常用的光照处理方法 | 第36-43页 |
| ·预处理和归一化的方法 | 第36-39页 |
| ·3D光照模型方法 | 第39-41页 |
| ·提取光照不变量的方法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 3 基于小波变换的统计不相关鉴别分析的人脸识别方法 | 第44-68页 |
| ·引言 | 第44-45页 |
| ·小波变换的基础知识 | 第45-51页 |
| ·连续小波变换 | 第46-47页 |
| ·离散小波变换 | 第47-48页 |
| ·多分辨率分析 | 第48-51页 |
| ·主成分分析方法在人脸图像降维方面的应用 | 第51-53页 |
| ·PCA基本原理 | 第51页 |
| ·奇异值分解 | 第51-52页 |
| ·PCA降维方法 | 第52-53页 |
| ·线性判别分析方法在人脸识别中的应用 | 第53-56页 |
| ·传统的线性判别分析 | 第53-55页 |
| ·具有统计不相关的线性判别分析 | 第55-56页 |
| ·线性判别分析中的小样本问题 | 第56页 |
| ·主成分分析和统计不相关的鉴别分析结合的人脸识别方法 | 第56-58页 |
| ·基于小波变换的统计不相关鉴别分析的人脸识别方法 | 第58-59页 |
| ·实验结果与分析 | 第59-67页 |
| ·实验一 | 第61-62页 |
| ·实验二 | 第62-66页 |
| ·实验三 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 4 应用小波变换和去噪模型的光照不变人脸识别 | 第68-81页 |
| ·引言 | 第68-69页 |
| ·光照模型和对数变换 | 第69-73页 |
| ·光照模型 | 第69-72页 |
| ·对数变换 | 第72-73页 |
| ·小波去噪模型 | 第73-75页 |
| ·光照变化对图像小波分解后所得低频分量和高频分量的影响 | 第73-74页 |
| ·小波去噪模型 | 第74-75页 |
| ·应用小波变换和去噪模型的光照不变人脸识别 | 第75-76页 |
| ·算法步骤 | 第75-76页 |
| ·收缩参数选择 | 第76页 |
| ·实验结果与分析 | 第76-80页 |
| ·Yale B人脸库上的实验结果和分析 | 第77-78页 |
| ·CMU PIE人脸库上的实验结果和分析 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 5 基于相邻小波系数的光照不变量的提取 | 第81-99页 |
| ·引言 | 第81-83页 |
| ·小波在图像去噪中的应用 | 第83-87页 |
| ·小波阈值去噪理论 | 第83-84页 |
| ·阈值函数的选取 | 第84-87页 |
| ·基于相邻小波系数的光照不变量提取算法 | 第87-90页 |
| ·训练过程和测试过程双模型处理方法 | 第87页 |
| ·基于相邻小波系数的光照不变量提取算法描述 | 第87-90页 |
| ·实验结果和分析 | 第90-98页 |
| ·在Yale B人脸数据库上的实验 | 第91-93页 |
| ·在CMU PIE人脸数据库上的实验 | 第93-94页 |
| ·测试过程和训练过程双模型的讨论 | 第94-98页 |
| ·本章小结 | 第98-99页 |
| 6 结论 | 第99-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-113页 |
| 附录 | 第113页 |
