| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题研究的背景与意义 | 第10-11页 |
| ·生物特征识别的应用背景 | 第10页 |
| ·人脸识别的研究意义 | 第10-11页 |
| ·人脸识别的历史与现状 | 第11-17页 |
| ·人脸识别技术的研究内容 | 第11页 |
| ·人脸识别技术的发展历史 | 第11-12页 |
| ·人脸识别技术的研究现状 | 第12-17页 |
| ·本文的研究思想和主要工作 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第二章 基于超特征块模型的目标识别算法 | 第19-37页 |
| ·算法的基本思想 | 第19-21页 |
| ·图像的特征描述 | 第19-21页 |
| ·块的特征表示 | 第21页 |
| ·超特征块模型的目标识别算法描述 | 第21-28页 |
| ·算法的识别过程 | 第21-25页 |
| ·基于超特征块模型目标识别器的生成 | 第25-28页 |
| ·训练 | 第28页 |
| ·超特征模型 | 第28-32页 |
| ·离散超特征 | 第29-30页 |
| ·连续超特征 | 第30页 |
| ·超特征的自动选择 | 第30-32页 |
| ·块与块之间的关系模型 | 第32-35页 |
| ·依赖关系模型 | 第33页 |
| ·预测块的相关性 | 第33-34页 |
| ·块序列的选择 | 第34-35页 |
| ·建立级联 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第三章 超特征块模型技术在人脸识别中的应用 | 第37-46页 |
| ·图像超特征块模型的建立 | 第37-40页 |
| ·人脸图像预处理 | 第37-39页 |
| ·超特征块模型的建立 | 第39-40页 |
| ·人脸训练 | 第40-42页 |
| ·图像对块之间距离的计算 | 第40-41页 |
| ·块距离概率分布的计算 | 第41-42页 |
| ·单样本的训练 | 第42页 |
| ·人脸识别 | 第42-43页 |
| ·实验结果 | 第43-46页 |
| ·单幅人脸图像的识别 | 第43页 |
| ·识别率测试 | 第43-46页 |
| 第四章 超特征块模型技术与PCA技术的融合在人脸识别中的应用 | 第46-62页 |
| ·基于PCA算法的人脸识别 | 第46-58页 |
| ·K—L变换原理 | 第46-48页 |
| ·PCA算法应用于人脸识别的原理 | 第48-50页 |
| ·贝叶斯分类原理 | 第50-53页 |
| ·PCA算法与贝叶斯分类相结合在人脸识别中的应用 | 第53-55页 |
| ·实验结果及分析 | 第55-58页 |
| ·超特征块模型技术与PCA技术在人脸识别应用中的比较 | 第58-59页 |
| ·超特征块模型技术与PCA技术的融合 | 第59-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·主要工作与结论 | 第62-63页 |
| ·进一步的研究与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 攻读硕士学位期间完成的主要论文和参加的工作 | 第69页 |