| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 引言 | 第10-17页 |
| ·课题研究的背景与意义 | 第10页 |
| ·人脸识别的研究内容 | 第10-12页 |
| ·人脸识别的国内外的研究现状 | 第12-13页 |
| ·人脸识别的概述及瓶颈 | 第13-14页 |
| ·人脸识别概述 | 第13-14页 |
| ·人脸识别所面临的瓶颈 | 第14页 |
| ·人脸识别应用前景 | 第14-16页 |
| ·论文的内容安排 | 第16-17页 |
| 第二章 信息融合技术 | 第17-23页 |
| ·信息融合的层次与方法 | 第17-19页 |
| ·不同层次信息融合的对比 | 第19-20页 |
| ·特征融合在人脸识别中的必要性和可行性 | 第20页 |
| ·特征融合 | 第20-22页 |
| ·特征向量归一化 | 第20-21页 |
| ·加权串联融合 | 第21页 |
| ·最小距离分类器识别 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 两种ICA算法的原理及数学模型 | 第23-29页 |
| ·独立成份分析概述 | 第23-25页 |
| ·独立成份分析简介 | 第23-24页 |
| ·ICA数学模型 | 第24-25页 |
| ·独立成份分析1(ICA1) | 第25-26页 |
| ·样本矩阵中心化 | 第25页 |
| ·数据的白化 | 第25-26页 |
| ·独立基向量和非独立特征向量的计算 | 第26页 |
| ·独立成份分析2(ICA2) | 第26-28页 |
| ·样本矩阵中心化 | 第27页 |
| ·数据的白化 | 第27页 |
| ·独立特征向量的计算 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 FastICA算法 | 第29-34页 |
| ·算法流程 | 第29-30页 |
| ·Fast ICA算法原理 | 第30-32页 |
| ·FastICA实现步骤 | 第32页 |
| ·FastICA算法的特点 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第五章 实验及结果分析 | 第34-48页 |
| ·图像库介绍 | 第34-37页 |
| ·ORL(Overate Research Laboratory)人脸图像库 | 第34页 |
| ·AR人脸图像库 | 第34-35页 |
| ·IITL人脸图像库 | 第35页 |
| ·FERET(Face Recognition Technology)人脸图像库 | 第35-37页 |
| ·实验过程 | 第37-46页 |
| ·构建图像矩阵 | 第37-41页 |
| ·基于ICA1和ICA2提取人脸基图像向量并进行图像重构 | 第41页 |
| ·人脸左转15°时的识别实验 | 第41-44页 |
| ·人脸左转30°时的识别实验 | 第44-46页 |
| ·实验结果分析 | 第46-48页 |
| 第六章 工作总结和展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |
