| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.3 人脸识别的难点 | 第15-16页 |
| 1.4 本文的章节安排和主要工作 | 第16-17页 |
| 2 人脸识别技术概述 | 第17-25页 |
| 2.1 人脸识别系统介绍 | 第17页 |
| 2.2 人脸图像预处理 | 第17-22页 |
| 2.2.1 灰度变换 | 第17-18页 |
| 2.2.2 图像归一化 | 第18-20页 |
| 2.2.3 图像滤波 | 第20-22页 |
| 2.3 人脸特征的降维和融合 | 第22-23页 |
| 2.3.1 人脸特征降维方法 | 第22页 |
| 2.3.2 人脸特征融合方法 | 第22-23页 |
| 2.4 特征识别相关方法 | 第23-24页 |
| 2.5 小结 | 第24-25页 |
| 3 人脸图像的纹理特征提取 | 第25-45页 |
| 3.1 基于Gabor小波变换的人脸纹理特征提取 | 第25-30页 |
| 3.1.1 Gabor小波 | 第25-26页 |
| 3.1.2 二维Gabor滤波器组参数确定和特性分析 | 第26-28页 |
| 3.1.3 基于二维Gabor小波的人脸图像特征提取实验 | 第28-30页 |
| 3.2 基于NSCT的人脸特征提取 | 第30-35页 |
| 3.2.1 非下采样滤波器变换 | 第30-33页 |
| 3.2.2 非下采样Contourlet变换特性 | 第33页 |
| 3.2.3 基于NSCT的人脸图像特征提取实验 | 第33-35页 |
| 3.3 基于LBP的人脸特征提取 | 第35-42页 |
| 3.3.1 局部二值模式算子 | 第35-37页 |
| 3.3.2 LBP算子的模式 | 第37-40页 |
| 3.3.3 基于局部二值模式的人脸特征提取实验 | 第40-42页 |
| 3.4 ULNBH纹理特征的构造 | 第42-44页 |
| 3.4.1 纹理特征提取算法分析 | 第42页 |
| 3.4.2 ULNBH纹理特征的构造 | 第42-43页 |
| 3.4.3 ULNBH特征的特性分析 | 第43-44页 |
| 3.5 小结 | 第44-45页 |
| 4 基于纹理特征融合和SVM的人脸识别 | 第45-65页 |
| 4.1 Gabor特征和ULNBH特征的融合 | 第45-47页 |
| 4.2 支持向量机原理 | 第47-51页 |
| 4.2.1 支持向量机介绍 | 第47-48页 |
| 4.2.2 支持向量机分类方法 | 第48-51页 |
| 4.3 基于纹理特征融合和SVM的人脸识别 | 第51-53页 |
| 4.4 仿真与实验结果分析 | 第53-64页 |
| 4.4.1 实验环境和相关函数参数选择 | 第53-54页 |
| 4.4.2 在ORL和Yale人脸库下的实验 | 第54-62页 |
| 4.4.3 在自建人脸库下的实验 | 第62-64页 |
| 4.5 小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 论文工作总结 | 第65-66页 |
| 5.2 未来工作展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 附录 | 第75页 |
| A. 作者在攻读学位期间已申请专利： | 第75页 |
| B. 作者在攻读学位期间参与的科研项目： | 第75页 |