| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·人脸自动机器识别技术现状 | 第11-13页 |
| ·人脸自动识别的研究范围 | 第12-13页 |
| ·人脸自动识别技术的应用 | 第13页 |
| ·人脸识别的优势与难题 | 第13-14页 |
| ·人脸识别技术的优点 | 第13-14页 |
| ·人脸识别技术的难点 | 第14页 |
| ·本文内容 | 第14-16页 |
| ·研究的目的 | 第14页 |
| ·主要内容 | 第14-16页 |
| 第2章 人脸识别的几种经典方法 | 第16-22页 |
| ·特征提取 | 第17-19页 |
| ·主分量分析法（PCA） | 第17-18页 |
| ·独立分量分析法（ICA） | 第18页 |
| ·几何特征方法 | 第18-19页 |
| ·隐马尔可夫模型（HMM） | 第19页 |
| ·小波变换法 | 第19页 |
| ·分类决策 | 第19-20页 |
| ·人工神经网络（ANN） | 第20页 |
| ·支持向量机（SVM） | 第20页 |
| ·频谱分析 | 第20页 |
| ·人脸识别评价标准 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 人脸局部明显色差特征检测 | 第22-32页 |
| ·人脸颜面皮肤的医学、病理学知识 | 第22-23页 |
| ·常见人脸图像数据库 | 第23页 |
| ·图像预处理 | 第23-29页 |
| ·使用直方图均衡化 | 第24-27页 |
| ·图像的尺度归一化 | 第27-28页 |
| ·灰度归一化 | 第28页 |
| ·灰度拉伸 | 第28-29页 |
| ·图像分割 | 第29-31页 |
| ·图像边界分割 | 第29页 |
| ·图像区域分割 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 人脸特征的表示及提取方法 | 第32-39页 |
| ·特征值的表示 | 第32页 |
| ·改进的PCA 方法 | 第32-34页 |
| ·主分量分析方法 | 第33页 |
| ·改进的PCA 方法 | 第33-34页 |
| ·几何特征法 | 第34页 |
| ·小波变换 | 第34-38页 |
| ·小波变换 | 第35-36页 |
| ·小波变换在图像的应用 | 第36-37页 |
| ·加权小波系数 | 第37-38页 |
| ·特征提取方法对比 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第5章 基于小波神经网络的人脸图像分类识别方法研究 | 第39-54页 |
| ·神经网络及其实现方法 | 第39-42页 |
| ·神经网络结构及学习过程 | 第39-40页 |
| ·模式识别中的神经网络应用 | 第40-41页 |
| ·神经网络实现方法 | 第41-42页 |
| ·小波神经网络 | 第42-50页 |
| ·小波神经网络实现原理 | 第42-44页 |
| ·双正交小波的构成原理 | 第44-46页 |
| ·小波神经网络的拓扑结构 | 第46-47页 |
| ·网络结构及权系数确定 | 第47-50页 |
| ·基于小波神经网络的人脸识别 | 第50-53页 |
| ·小波神经网络实现 | 第51-52页 |
| ·实验结果及分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |