| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 课题研究现状 | 第8-10页 |
| 1.2.1 人脸识别的研究发展现状 | 第8-9页 |
| 1.2.2 流形学习的研究发展现状 | 第9-10页 |
| 1.3 研究内容及文章结构安排 | 第10-12页 |
| 1.3.1 研究内容概述 | 第10页 |
| 1.3.2 文章结构安排 | 第10-12页 |
| 第二章 人脸识别与流形学习基本理论 | 第12-27页 |
| 2.1 人脸识别概述 | 第12-14页 |
| 2.1.1 人脸识别系统组成 | 第12-13页 |
| 2.1.2 人脸识别主要特征提取方法 | 第13-14页 |
| 2.2 流形和流形学习的基本定义 | 第14-26页 |
| 2.2.1 流形的概念 | 第15-16页 |
| 2.2.2 流形学习的概念 | 第16页 |
| 2.2.3 几种代表性的流形学习算法 | 第16-26页 |
| 2.3 本章总结 | 第26-27页 |
| 第三章 改进的小波阈值图像降噪算法实现 | 第27-40页 |
| 3.1 高斯噪声降噪研究 | 第27-28页 |
| 3.2 小波阈值降噪算法 | 第28-34页 |
| 3.2.1 小波阈值降噪原理 | 第28-29页 |
| 3.2.2 小波基的选择 | 第29-32页 |
| 3.2.3 阈值的选择 | 第32-34页 |
| 3.3 改进的小波阈值降噪算法 | 第34-36页 |
| 3.3.1 常见的阈值降噪法 | 第35页 |
| 3.3.2 改进的指数函数阈值降噪法 | 第35-36页 |
| 3.4 实验仿真及结果分析 | 第36-39页 |
| 3.4.1 实验准备及数据处理 | 第36-37页 |
| 3.4.2 实验结果及分析 | 第37-39页 |
| 3.5 本章总结 | 第39-40页 |
| 第四章 基于凸轮权重距离流形学习算法的人脸识别 | 第40-56页 |
| 4.1 凸轮权重距离 | 第40-45页 |
| 4.1.1 凸轮分布 | 第42-43页 |
| 4.1.2 凸轮权重距离 | 第43-44页 |
| 4.1.3 参数估计 | 第44-45页 |
| 4.2 基于凸轮权重距离的流形学习算法 | 第45-49页 |
| 4.2.1 基于凸轮权重距离的局部保持投影算法 | 第46-47页 |
| 4.2.2 基于凸轮权重距离的正交局部保持嵌入算法 | 第47-49页 |
| 4.3 实验仿真及结果分析 | 第49-55页 |
| 4.3.1 实验准备及数据处理 | 第49-52页 |
| 4.3.2 实验结果及分析 | 第52-55页 |
| 4.4 本章总结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62-63页 |