| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-18页 |
| ·本课题的研究背景及意义 | 第10页 |
| ·人脸识别的国内外研究现状 | 第10-12页 |
| ·常用的人脸识别的方法 | 第12-14页 |
| ·基于知识的方法 | 第12页 |
| ·基于特征不变性的方法 | 第12-13页 |
| ·基于模板匹配的方法 | 第13页 |
| ·基于外观的方法 | 第13-14页 |
| ·人脸数据库 | 第14-16页 |
| ·FERET 人脸库 | 第14页 |
| ·ORL 人脸库 | 第14-15页 |
| ·Yale 耶鲁人脸库 | 第15页 |
| ·CAS-PEAL 人脸数据库 | 第15-16页 |
| ·本文的主要研究工作及安排 | 第16-18页 |
| 2 人脸图像预处理 | 第18-26页 |
| ·灰度变换 | 第18-20页 |
| ·二值化 | 第20页 |
| ·图像归一化 | 第20-23页 |
| ·几何归一化的方法 | 第21页 |
| ·灰度归一化 | 第21-23页 |
| ·图像滤波 | 第23-24页 |
| ·均值滤波器 | 第23-24页 |
| ·中值滤波 | 第24页 |
| ·本章小结 | 第24-26页 |
| 3 基于 PCA 及 2DPCA 的人脸识别 | 第26-48页 |
| ·PCA 人脸识别识别 | 第26-32页 |
| ·K-L 变换的原理 | 第26-27页 |
| ·特征值的选择 | 第27-28页 |
| ·特征脸空间的构造 | 第28-30页 |
| ·训练样本的特征提取 | 第30-31页 |
| ·距离函数的选取 | 第31-32页 |
| ·2DPCA 人脸识别 | 第32-35页 |
| ·2DPCA 基本原理 | 第33-34页 |
| ·2DPCA 人脸特征提取 | 第34-35页 |
| ·2DPCA 人脸识别 | 第35页 |
| ·实验结果与分析 | 第35-47页 |
| ·自建人脸库 | 第35-37页 |
| ·PCA 人脸识别流程 | 第37-39页 |
| ·2DPCA 人脸识别流程 | 第39-40页 |
| ·仿真结果与数据分析 | 第40-47页 |
| ·本章小结 | 第47-48页 |
| 4 基于线性辨别分析的人脸识别算法 | 第48-58页 |
| ·线性辨别分析的原理 | 第48-49页 |
| ·基于 PCA 与 LDA 的人脸识别 | 第49-52页 |
| ·2DPCA 与 LDA 的人脸识别方法 | 第52-53页 |
| ·实验结果与分析 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 5 基于支持向量机的人脸识别 | 第58-67页 |
| ·支持向量机的原理简介 | 第58-60页 |
| ·最优分类面 | 第58-60页 |
| ·线性支持向量机 | 第60-62页 |
| ·非线性支持向量机与核函数 | 第62-64页 |
| ·多分类支持向量机 | 第64-65页 |
| ·一对多方法 | 第64-65页 |
| ·“一对一(One Against One)” 分类法 | 第65页 |
| ·基于向量机的人脸识别 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 6 基于 Gabor 小波与 SVM 的人脸识别 | 第67-84页 |
| ·Gabor 小波 | 第67-73页 |
| ·Gabor 小波变换的特点 | 第67-69页 |
| ·一维 Gabor 小波变换 | 第69-70页 |
| ·二维 Gabor 小波变换 | 第70-71页 |
| ·Gabor 小波变换的人脸特征提取 | 第71-73页 |
| ·基于 Gabor 小波与 SVM 的 PCA 人脸识别算法 | 第73-74页 |
| ·基于 Gabor 小波与 SVM 的 2PCA 人脸识别算法 | 第74-75页 |
| ·实验结果及分析 | 第75-79页 |
| ·基于 Gabor 小波与 SVM 优化的人脸识别系统 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 7 总结与展望 | 第84-86页 |
| 参考文献 | 第86-91页 |
| 攻读硕士学位期间发表的学术论文 | 第91-92页 |
| 致谢 | 第92-93页 |
