| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| §1.1 人脸识别的研究背景及意义 | 第7-8页 |
| §1.2 人脸识别的研究进展及现状 | 第8-13页 |
| ·基于几何特征的人脸识别算法 | 第8-9页 |
| ·基于特征子空间分析的人脸识别算法 | 第9-11页 |
| ·基于模板的人脸识别算法 | 第11-12页 |
| ·基于神经网络的人脸识别算法 | 第12-13页 |
| ·其它人脸识别算法 | 第13页 |
| §1.3 论文的主要研究内容及章节安排 | 第13-17页 |
| 第二章 张量子空间分析 | 第17-25页 |
| §2.1 引言 | 第17页 |
| §2.2 张量子空间分析理论 | 第17-21页 |
| ·张量的定义 | 第17-18页 |
| ·张量代数 | 第18-20页 |
| ·张量分解 | 第20-21页 |
| §2.3 张量子空间分析在人脸识别中的应用 | 第21-24页 |
| ·人脸图像集的张量表示 | 第21-22页 |
| ·基于张量子空间分析的人脸识别方法 | 第22-23页 |
| ·算法存在的问题及解决方案 | 第23-24页 |
| §2.4 小结 | 第24-25页 |
| 第三章 基于Gabor特征和TSA-姿态流形建模的多姿态人脸识别 | 第25-39页 |
| §3.1 引言 | 第25页 |
| §3.2 Gabor理论基础 | 第25-29页 |
| ·Gabor小波变换 | 第25-28页 |
| ·Gabor特征提取 | 第28-29页 |
| §3.3 基于Gabor特征和TSA-姿态流形建模的多姿态人脸识别 | 第29-33页 |
| ·预处理 | 第29-30页 |
| ·局部Gabor滤波器组 | 第30-31页 |
| ·主成分分析降维 | 第31-32页 |
| ·TSA-姿态流形建模 | 第32-33页 |
| §3.4 实验结果与分析 | 第33-37页 |
| ·实验数据 | 第34页 |
| ·基于Gabor特征和TSA-姿态流形建模的人脸识别 | 第34-37页 |
| ·局部Gabor滤波器组的性能比较 | 第37页 |
| §3.5 小结 | 第37-39页 |
| 第四章 基于TSA和局部保持投影的多姿态人脸识别 | 第39-53页 |
| §4.1 引言 | 第39-40页 |
| §4.2 局部保持投影理论基础 | 第40-44页 |
| ·局部保持投影算法理论分析 | 第40-41页 |
| ·局部保持投影与主成分分析的联系 | 第41-42页 |
| ·局部保持投影与线性判别分析的联系 | 第42-44页 |
| §4.3 基于TSA和局部保持投影的多姿态人脸识别 | 第44-48页 |
| ·人脸图像集的张量子空间分析 | 第44-45页 |
| ·人脸图像集的重构 | 第45-46页 |
| ·人脸重构图像的LPP映射 | 第46-47页 |
| ·K近邻分类 | 第47-48页 |
| §4.4 实验结果与分析 | 第48-52页 |
| ·实验数据 | 第48-49页 |
| ·重建图像集的LPP映射 | 第49-50页 |
| ·人脸识别的结果及分析 | 第50-52页 |
| §4.5 小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| §5.1 总结 | 第53-54页 |
| §5.2 未来工作展望 | 第54-55页 |
| 致谢 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 作者在读期间参加的科研和发表的论文 | 第61-62页 |
