| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 目录 | 第5-8页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究目的及意义 | 第8页 |
| 1.2 人脸识别的研究现状 | 第8-13页 |
| 1.2.1 基于几何特征的人脸识别方法 | 第9-10页 |
| 1.2.2 基于子空间的人脸识别方法 | 第10页 |
| 1.2.3 基于人工神经网络的人脸识别方法 | 第10-11页 |
| 1.2.4 基于隐马尔可夫模型的人脸识别方法 | 第11页 |
| 1.2.5 基于支持向量机的人脸识别方法 | 第11-12页 |
| 1.2.6 其他人脸识别方法 | 第12-13页 |
| 1.3 人脸图像数据库 | 第13-15页 |
| 1.3.1 国外人脸数据库 | 第13-14页 |
| 1.3.2 国内人脸数据库 | 第14-15页 |
| 1.4 论文研究内容及结构 | 第15-17页 |
| 第2章 人脸识别系统 | 第17-27页 |
| 2.0 系统概述 | 第17页 |
| 2.1 人脸检测与定位 | 第17-21页 |
| 2.1.1 基于AdaBoost算法的人脸检测 | 第18-20页 |
| 2.1.2 人脸检测实验及分析 | 第20-21页 |
| 2.2 图像预处理 | 第21-24页 |
| 2.2.1 图像去噪 | 第21-22页 |
| 2.2.2 直方图均衡化 | 第22-23页 |
| 2.2.3 尺度归一化 | 第23-24页 |
| 2.3 特征选择与提取 | 第24-25页 |
| 2.4 分类器设计 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 Curvelet变换理论及其实现 | 第27-39页 |
| 3.1 引言 | 第27-28页 |
| 3.2 Ridgelet变换 | 第28-29页 |
| 3.3 第一代Curvelet变换 | 第29-32页 |
| 3.3.1 第一代Curvelet变换基本理论 | 第29-30页 |
| 3.3.2 第一代Curvelet变换的实现 | 第30-32页 |
| 3.4 第二代Curvelet变换 | 第32-36页 |
| 3.4.1 连续Curvelet变换 | 第32-33页 |
| 3.4.2 离散Curvelet变换 | 第33-35页 |
| 3.4.3 离散Curvelet变换的快速实现 | 第35-36页 |
| 3.5 基于第二代Curvelet变换的人脸图像分解 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 主成分分析技术理论及实现 | 第39-49页 |
| 4.0 引言 | 第39页 |
| 4.1 PCA算法原理及实现 | 第39-43页 |
| 4.1.1 K-L变换 | 第39-42页 |
| 4.1.2 PCA算法 | 第42-43页 |
| 4.2 2DPCA算法原理及实现 | 第43-45页 |
| 4.3 (2D)2PCA算法原理及实现 | 第45-46页 |
| 4.4 主成分分析技术仿真 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 基于第二代Curvelet变换结合(2D)~2PCA的人脸识别算法及实验 | 第49-58页 |
| 5.1 算法实现流程 | 第49-50页 |
| 5.2 人脸识别实验 | 第50-52页 |
| 5.2.1 ORL人脸数据库实验结果 | 第50-51页 |
| 5.2.2 YALE人脸数据库实验结果 | 第51-52页 |
| 5.3 实验结果分析 | 第52-57页 |
| 5.3.1 特征向量维数分析 | 第52-55页 |
| 5.3.2 训练样本数分析 | 第55-56页 |
| 5.3.3 结论 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 基于本文算法的自动人脸识别系统简介 | 第58-61页 |
| 6.1 系统开发平台 | 第58页 |
| 6.2 系统设计与实现 | 第58-60页 |
| 6.2.1 样本训练模块 | 第58-60页 |
| 6.2.2 人脸识别模块 | 第60页 |
| 6.3 本章小结 | 第60-61页 |
| 第7章 总结与展望 | 第61-63页 |
| 7.1 本文工作总结 | 第61-62页 |
| 7.2 研究展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间的研究成果 | 第68页 |