| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-11页 |
| 1.1.1 概述 | 第9-10页 |
| 1.1.2 人脸识别作为生物识别的优势 | 第10-11页 |
| 1.1.3 人脸识别技术存在的困难 | 第11页 |
| 1.2 人脸识别的发展历史及现状 | 第11-14页 |
| 1.3 识别方法及识别过程 | 第14-15页 |
| 1.3.1 识别方法 | 第14页 |
| 1.3.2 人脸识别的主要过程 | 第14-15页 |
| 1.4 系统解决的主要问题 | 第15-16页 |
| 1.5 论文章节安排 | 第16-17页 |
| 第2章 基于 Matlab 软件的图像预处理方法 | 第17-27页 |
| 2.1 人脸图像预处理方法 | 第17-19页 |
| 2.1.1 图像的灰度变换 | 第17-18页 |
| 2.1.2 图像直方图均衡化 | 第18页 |
| 2.1.3 图像的中值滤波处理 | 第18-19页 |
| 2.1.4 图像边缘检测 | 第19页 |
| 2.2 Matlab 软件的概述与应用 | 第19-25页 |
| 2.2.1 Matlab 数字图像处理及概述 | 第20页 |
| 2.2.2 Matlab 图像处理的基本操作 | 第20-22页 |
| 2.2.3 数字图像处理功能的 Matlab 实现 | 第22-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 人脸识别系统的算法分析 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 人脸识别的图像预处理 | 第27-29页 |
| 3.3 人脸识别的主成分分析方法 | 第29-37页 |
| 3.3.1 K-L 变换原理 | 第29-31页 |
| 3.3.2 奇异值分解原理 | 第31-33页 |
| 3.3.3 PCA 算法的步骤和实现 | 第33-37页 |
| 3.4 实验结果分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 神经网络分类器的设计 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 BP 神经网络简介 | 第39-41页 |
| 4.3 标准 BP 算法的概述 | 第41-43页 |
| 4.4 BP 神经网络分类器的设计考虑 | 第43-47页 |
| 4.4.1 输入和输出层的设计 | 第43页 |
| 4.4.2 隐含层的设计 | 第43-45页 |
| 4.4.3 初始值的设计 | 第45页 |
| 4.4.4 BP 神经网络的分类识别 | 第45-47页 |
| 4.5 实验分析 | 第47-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第5章 人脸识别系统的架构设计和实现 | 第49-57页 |
| 5.1 人脸识别系统的设计需求分析 | 第49页 |
| 5.2 人脸识别系统构架设计 | 第49-51页 |
| 5.2.1 系统的总体构架 | 第49-50页 |
| 5.2.2 系统的应用构架 | 第50-51页 |
| 5.3 人脸识别系统的详细设计 | 第51-53页 |
| 5.4 人脸识别的仿真实验 | 第53-55页 |
| 5.5 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |