| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究意义 | 第10-11页 |
| ·人脸识别技术研究现状及应用前景 | 第11-13页 |
| ·人脸识别研究存在的问题 | 第13-15页 |
| ·人脸识别系统 | 第15-16页 |
| ·本文研究内容及安排 | 第16-17页 |
| 第二章 人脸识别中光照问题研究概述 | 第17-24页 |
| ·统计学习的方法 | 第17-19页 |
| ·Eigenfaces | 第18页 |
| ·Fisherface | 第18页 |
| ·Bayesian | 第18页 |
| ·其他方法 | 第18-19页 |
| ·提取光照不变特征方法 | 第19-20页 |
| ·Gabor函数 | 第19页 |
| ·边缘图(Edge Map) | 第19-20页 |
| ·基于模型的方法 | 第20-23页 |
| ·商图像 | 第20-21页 |
| ·光照锥(illumination cone) | 第21页 |
| ·SSFS(Symmetric Shape from Shading) | 第21-22页 |
| ·基于球谐波函数的方法 | 第22-23页 |
| ·总结 | 第23-24页 |
| 第三章 基于RETINEX理论的光照补偿算法 | 第24-34页 |
| ·基于RETINEX理论的光照补偿算法 | 第24-27页 |
| ·Retinex理论的概念与原理 | 第24-25页 |
| ·Retinex理论的算法过程 | 第25页 |
| ·对数处理 | 第25-27页 |
| ·基于RETINEX理论的光照补偿算法改进 | 第27页 |
| ·W-G算法的预处理 | 第27-33页 |
| ·小波变换强化高频分量 | 第27-30页 |
| ·提取光照不变量 | 第30-33页 |
| ·总结 | 第33-34页 |
| 第四章 直方图均衡化与W-G算法的结合 | 第34-43页 |
| ·直方图均衡化 | 第34-36页 |
| ·直方图均衡化原理 | 第34-35页 |
| ·直方图均衡化预处理效果 | 第35-36页 |
| ·直方图均衡化与W-G算法结合的预处理 | 第36-38页 |
| ·图像融合 | 第36-38页 |
| ·直方图均衡化与W-G算法结合执行流程 | 第38页 |
| ·直方图均衡化与W-G算法结合的预处理效果 | 第38-42页 |
| ·两种方法分步处理的预处理效果 | 第38-39页 |
| ·两种方法融合的预处理效果 | 第39-40页 |
| ·结果分析 | 第40-42页 |
| ·总结 | 第42-43页 |
| 第五章 GAMMA校正与W-G算法结合 | 第43-51页 |
| ·GAMMA灰度校正 | 第43页 |
| ·gamma灰度校正的定义 | 第43页 |
| ·gamma灰度校正的预处理效果 | 第43页 |
| ·GAMMA校正与W-G算法结合执行流程 | 第43-44页 |
| ·GAMMA校正与W-G算法结合的预处理效果 | 第44-48页 |
| ·两种方法分步执行的预处理效果 | 第44-45页 |
| ·两种方法融合的预处理效果 | 第45-46页 |
| ·结果分析 | 第46-48页 |
| ·三种预处理方法结合的预处理方法 | 第48-49页 |
| ·总结 | 第49-51页 |
| 第六章 实验结果与分析 | 第51-62页 |
| ·识别算法分析 | 第51-54页 |
| ·主元分析法PCA基本原理 | 第51-52页 |
| ·线性判别分析法LDA基本原理 | 第52-54页 |
| ·识别实验 | 第54-61页 |
| ·人脸数据库 | 第54-55页 |
| ·基于PCA识别方法的识别实验 | 第55-57页 |
| ·基于LDA识别方法的识别实验 | 第57-60页 |
| ·实验结果分析 | 第60-61页 |
| ·总结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |