| 摘要 | 第1-14页 |
| ABSTRACT | 第14-16页 |
| 第一章 绪论 | 第16-38页 |
| ·课题背景与研究意义 | 第16-18页 |
| ·各种常用的生物特征识别技术及其比较 | 第18-22页 |
| ·人脸识别的特征提取方法研究现状 | 第22-30页 |
| ·基于面部几何特征的方法 | 第23页 |
| ·基于模板匹配的方法 | 第23页 |
| ·基于频域分析的识别算法 | 第23页 |
| ·基于子空间分析方法的人脸识别 | 第23-30页 |
| ·基于向量的线性子空间方法 | 第24-26页 |
| ·基于核技术的非线性子空间方法 | 第26-27页 |
| ·基于矩阵的线性子空间方法 | 第27-28页 |
| ·流形学习理论导出的子空间方法 | 第28-30页 |
| ·掌纹识别技术的研究现状 | 第30-34页 |
| ·掌纹样本采集方式 | 第30-31页 |
| ·掌纹特征提取方法分类 | 第31-32页 |
| ·国内外掌纹识别研究现状 | 第32-34页 |
| ·课题来源与研究目标 | 第34页 |
| ·本文的研究内容与结构安排 | 第34-38页 |
| 第二章 直接局部保持投影算法及其在人脸与掌纹识别中的应用 | 第38-52页 |
| ·引言 | 第38-39页 |
| ·线性鉴别分析和直接线性鉴别分析 | 第39-41页 |
| ·线性鉴别分析 | 第39-40页 |
| ·直接线性鉴别分析 | 第40-41页 |
| ·流形学习的概念与局部保持投影算法 | 第41-43页 |
| ·流形学习的概念 | 第41-42页 |
| ·局部保持投影算法 | 第42-43页 |
| ·直接局部保持投影算法及其计算方式 | 第43-46页 |
| ·直接局部保持投影算法 | 第43-45页 |
| ·直接局部保持投影算法与拉普拉斯脸方法的关系 | 第45页 |
| ·直接局部保持投影算法的计算方式 | 第45-46页 |
| ·实验和结果 | 第46-50页 |
| ·数据库介绍 | 第46-48页 |
| ·实验结果和分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第三章 二维局部保持投影算法及其在人脸与掌纹识别中的应用 | 第52-66页 |
| ·引言 | 第52-54页 |
| ·二维主成分分析的思想 | 第54-56页 |
| ·二维局部保持投影算法 | 第56-58页 |
| ·二维局部保持投影的算法 | 第56-58页 |
| ·特征提取 | 第58页 |
| ·分类方法 | 第58页 |
| ·二维局部保持投影算法与二维主成分分析的关系 | 第58-59页 |
| ·对二维局部保持投影算法的进一步分析 | 第59-60页 |
| ·实验与结果 | 第60-65页 |
| ·在Yale人脸数据库上的实验与结果 | 第60-62页 |
| ·在香港理工大学掌纹数据库上的实验与结果 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 一种新的核局部保持投影算法及其在人脸与掌纹识别中的应用 | 第66-82页 |
| ·引言 | 第66-68页 |
| ·核方法的理论基础 | 第68-71页 |
| ·已有的核局部保持投影算法 | 第71-72页 |
| ·新核局部保持投影算法的框架 | 第72-73页 |
| ·特征空间里的局部保持投影模型 | 第72页 |
| ·KPCA+LPP:一种新的核局部保持投影算法 | 第72-73页 |
| ·新核局部保持投影算法的实现 | 第73-75页 |
| ·利用KPCA进行观测数据预处理 | 第73-75页 |
| ·在KPCA变换后的空间里进行局部保持投影 | 第75页 |
| ·实验和结果 | 第75-79页 |
| ·数据库 | 第75-77页 |
| ·实验结果和分析 | 第77-79页 |
| ·本章小结 | 第79-82页 |
| 第五章 基于矩阵的图像特征提取方法的图嵌入理论框架及其应用 | 第82-102页 |
| ·引言 | 第82-83页 |
| ·基于矩阵特征提取算法的图嵌入理论框架 | 第83-85页 |
| ·2DPCA、2DLDA和2DLPP算法的基于图嵌入理论框架解释 | 第85-89页 |
| ·二维主成分分析(2DPCA)的图嵌入框架解释 | 第85-86页 |
| ·二维线性鉴别分析(2DLDA)的图嵌入框架解释 | 第86-88页 |
| ·二维局部保持投影算法(2DLPP)的图嵌入框架解释 | 第88-89页 |
| ·非监督鉴别投影和边界Fisher分析算法的矩阵形式推广 | 第89-91页 |
| ·二维非监督鉴别投影(2DUDP) | 第89-90页 |
| ·二维边界Fisher分析(2DMFA) | 第90-91页 |
| ·二维鉴别嵌入分析(2DDEA)算法 | 第91-94页 |
| ·基于矩阵的类内紧凑性子流形的建模 | 第91-92页 |
| ·基于矩阵的类间分离度子流形的建模 | 第92-93页 |
| ·二维鉴别嵌入分析准则 | 第93-94页 |
| ·2DDEA与2DLDA的关系 | 第94-95页 |
| ·基于2DDEA的图像识别方法 | 第95-96页 |
| ·图像特征提取 | 第95页 |
| ·分类方法 | 第95-96页 |
| ·实验 | 第96-100页 |
| ·数据库 | 第96-98页 |
| ·结果 | 第98-100页 |
| ·本章小结 | 第100-102页 |
| 第六章 一种基于PCA/ICA的人脸和掌纹特征层融合策略 | 第102-114页 |
| ·引言 | 第102-103页 |
| ·使用主成分分析和独立成分分析进行特征提取 | 第103-107页 |
| ·使用主成分分析进行特征提取 | 第103-104页 |
| ·使用独立成分分析方法(ICA)进行特征提取 | 第104-107页 |
| ·独立成分分析(ICA)模型与假设 | 第104-105页 |
| ·独立成分分析(ICA)模型的求解算法 | 第105-106页 |
| ·人脸与掌纹图像的ICA特征表示 | 第106-107页 |
| ·利用PCA、ICA进行特征层融合 | 第107-108页 |
| ·实验结果 | 第108-111页 |
| ·数据库 | 第108页 |
| ·融合数据上的实验结果与分析 | 第108-111页 |
| ·本章小结 | 第111-114页 |
| 第七章 总结与展望 | 第114-118页 |
| ·对本文工作的总结 | 第114-116页 |
| ·流形学习导出的新子空间方法及其在人脸和掌纹识别中的应用要 | 第114-115页 |
| ·基于矩阵的图像特征提取算法的统一图嵌入理论框架及其应用 | 第115-116页 |
| ·基于PCA/ICA的人脸和掌纹特征层融合策略研究 | 第116页 |
| ·对未来工作的展望 | 第116-118页 |
| ·图嵌入子空间方法中连接图权值参数的确定 | 第116-117页 |
| ·子空间方法的在线学习问题 | 第117页 |
| ·子空间方法在更多更大规模人脸与掌纹样本库上的测试 | 第117页 |
| ·验证模式下的人脸与掌纹识别研究 | 第117页 |
| ·人脸与掌纹识别实际应用系统的开发 | 第117-118页 |
| 致谢 | 第118-120页 |
| 参考文献 | 第120-130页 |
| 作者在学期间取得的学术成果 | 第130-132页 |
| 作者在学期间参加培训与合作研究情况 | 第132页 |
