| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-19页 |
| ·人脸识别研究的重要意义 | 第9-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·基于几何特征的人脸识别方法 | 第12-13页 |
| ·基于模板匹配的人脸识别方法 | 第13页 |
| ·基于小波变换的方法 | 第13-14页 |
| ·基于神经网络方法 | 第14-15页 |
| ·基于K-L 变换的方法 | 第15-16页 |
| ·人脸识别的研究难点 | 第16-17页 |
| ·本文研究内容及安排 | 第17-19页 |
| 2 人脸图像预处理 | 第19-30页 |
| ·灰度直方图修正 | 第19-23页 |
| ·小波变换 | 第23-30页 |
| ·小波分析和小波变换基本知识 | 第23-24页 |
| ·多分辨分析与Mallat 算法 | 第24-26页 |
| ·图像空间的小波分解 | 第26-27页 |
| ·小波变换在人脸识别中的应用 | 第27-30页 |
| 3 基于主成分分析的特征提取 | 第30-44页 |
| ·引言 | 第30页 |
| ·K-L 变换原理 | 第30-34页 |
| ·基于改进的主成分分析的人脸特征提取 | 第34-38页 |
| ·形成训练集 | 第34-35页 |
| ·产生K-L 变换的矩阵 | 第35-36页 |
| ·应用奇异值分解定理 | 第36-38页 |
| ·图像在新的子空间投影及重构 | 第38页 |
| ·实验效果图 | 第38-42页 |
| ·主成分分析方法的优缺点 | 第42-44页 |
| 4 人脸识别 | 第44-62页 |
| ·距离分类器 | 第44-46页 |
| ·和范式和欧式距离 | 第44-45页 |
| ·实验结果 | 第45-46页 |
| ·人工神经网络 | 第46-49页 |
| ·人工神经网络的发展概况 | 第46-47页 |
| ·神经网络结构及类型 | 第47-48页 |
| ·神经元的学习算法 | 第48页 |
| ·神经网络的应用 | 第48-49页 |
| ·BP 神经网络 | 第49-52页 |
| ·BP 网络的基本结构 | 第49页 |
| ·P 的学习过程 | 第49-52页 |
| ·基于BP 神经网络的人脸识别 | 第52-54页 |
| ·改进的BP 神经网络 | 第54-56页 |
| ·动量法和学习率自适应改进 | 第54-55页 |
| ·改变输出层值 | 第55-56页 |
| ·距离分类器和神经网络分类器相结合的改进的人脸识别 | 第56页 |
| ·实验及结果 | 第56-62页 |
| 5 总结与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-67页 |