| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 人脸识别的研究背景和研究意义 | 第9页 |
| 1.2 人脸识别的研究现状 | 第9-11页 |
| 1.3 人脸识别的主要应用 | 第11页 |
| 1.4 人脸识别的主要困难 | 第11-12页 |
| 1.5 论文章节安排 | 第12-13页 |
| 第2章 中心对称局部二值模式的改进 | 第13-24页 |
| 2.1 纹理特征 | 第13页 |
| 2.2 局部二值模式 | 第13-17页 |
| 2.2.1 基本原理 | 第13-14页 |
| 2.2.2 圆形邻域LBP算子 | 第14-15页 |
| 2.2.3 LBP的等价模式 | 第15-17页 |
| 2.2.4 局部二值模式的应用和缺点 | 第17页 |
| 2.3 中心对称局部二值模式 | 第17-18页 |
| 2.4 改进中心对称局部二值模式 | 第18-20页 |
| 2.5 位平面分解 | 第20-23页 |
| 2.5.1 位平面分解原理 | 第20-21页 |
| 2.5.2 位平面的贡献度 | 第21-22页 |
| 2.5.3 光照不变性分析 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 结合改进CSLBP和位平面分解的单样本人脸识别 | 第24-36页 |
| 3.1 算法流程 | 第25-26页 |
| 3.2 实验结果及分析 | 第26-34页 |
| 3.2.1 参数对实验结果的影响 | 第27-30页 |
| 3.2.2 算法的识别效率比较 | 第30-32页 |
| 3.2.3 计算复杂度分析 | 第32-33页 |
| 3.2.4 加噪实验结果 | 第33-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第4章 基于位平面特征融合的人脸识别 | 第36-48页 |
| 4.1 基于贡献度的位平面特征加权融合算法 | 第36-38页 |
| 4.1.1 权值设置 | 第37页 |
| 4.1.2 算法流程 | 第37-38页 |
| 4.2 基于信息熵的位平面特征加权融合算法 | 第38-41页 |
| 4.2.1 信息熵 | 第38-40页 |
| 4.2.2 基于信息熵的位平面特征加权融合算法 | 第40-41页 |
| 4.3 实验结果对比 | 第41-46页 |
| 4.3.1 AR人脸库上的实验结果 | 第41-42页 |
| 4.3.2 CAS-PEAL人脸库上的实验结果 | 第42-44页 |
| 4.3.3 加噪实验结果 | 第44-46页 |
| 4.3.4 计算复杂度分析 | 第46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 附录A 个人简历 | 第54-55页 |
| 附录B 硕士期间发表的学术论文 | 第55-56页 |
| 附录C 论文中的用图 | 第56-58页 |
| 附录D 论文中的用表 | 第58页 |