| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 人脸识别研究概述 | 第11-14页 |
| 1.2.1 人脸识别的国内外研究现状 | 第11-12页 |
| 1.2.2 人脸识别研究的主要内容 | 第12-13页 |
| 1.2.3 人脸识别技术存在的难点 | 第13-14页 |
| 1.2.4 人脸识别技术的应用 | 第14页 |
| 1.3 人脸识别中的光照问题及研究概述 | 第14-16页 |
| 1.4 本文研究重点与主要工作 | 第16-17页 |
| 1.5 本文章节安排 | 第17-18页 |
| 第2章 图像预处理 | 第18-33页 |
| 2.1 彩色图像的灰度化 | 第18-19页 |
| 2.1.1 RGB色彩空间 | 第18-19页 |
| 2.1.2 彩色图像的灰度化 | 第19页 |
| 2.2 图像滤波 | 第19-23页 |
| 2.2.1 均值滤波 | 第20页 |
| 2.2.2 高斯滤波 | 第20-21页 |
| 2.2.3 中值滤波 | 第21-23页 |
| 2.3 基于AdaBoost算法的人脸检测 | 第23-32页 |
| 2.3.1 AdaBoost算法简述 | 第23-24页 |
| 2.3.2 Haar-Like特征和积分图 | 第24-27页 |
| 2.3.3 基于Gentle AdaBoost算法的分类器设计 | 第27-30页 |
| 2.3.4 人脸检测效果 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于Retinex理论的光照处理算法 | 第33-41页 |
| 3.1 Retinex基础理论 | 第33-34页 |
| 3.2 Retinex算法的实现 | 第34-36页 |
| 3.2.1 单尺度Retinex算法（SSR） | 第34-35页 |
| 3.2.2 多尺度Retinex算法（MSR） | 第35-36页 |
| 3.3 Retinex算法的不足与改进 | 第36-39页 |
| 3.3.1 改进的MSR算法 | 第36-38页 |
| 3.3.2 算法的仿真与分析 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 基于Gabor变换的人脸特征提取 | 第41-51页 |
| 4.1 二维Gabor小波变换 | 第41-44页 |
| 4.1.1 二维Gabor小波函数 | 第41-42页 |
| 4.1.2 二维Gabor小波函数的参数 | 第42-44页 |
| 4.2 基于Gabor变换的特征提取方法 | 第44-47页 |
| 4.3 基于PCA+LDA的特征降维方法 | 第47-50页 |
| 4.3.1 主成分分析（PCA） | 第47-48页 |
| 4.3.2 线性鉴别分析（LDA） | 第48-49页 |
| 4.3.3 PCA+LDA | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 基于支持向量机的分类器设计 | 第51-61页 |
| 5.1 支持向量机基础 | 第51-57页 |
| 5.1.1 分类问题 | 第51-52页 |
| 5.1.2 线性可分问题的支持向量分类机 | 第52-55页 |
| 5.1.3 一般问题的线性支持向量分类机 | 第55-56页 |
| 5.1.4 核函数与支持向量机 | 第56-57页 |
| 5.2 支持向量机在人脸识别中的应用 | 第57-60页 |
| 5.2.1 多类分类器 | 第57-58页 |
| 5.2.2 单类分类器 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第6章 开发环境与系统实现 | 第61-71页 |
| 6.1 软硬件开发环境 | 第61-64页 |
| 6.1.1 硬件环境 | 第61页 |
| 6.1.2 软件环境 | 第61-64页 |
| 6.2 系统实现与运行 | 第64-66页 |
| 6.3 多种光照条件下的系统运行与仿真 | 第66-70页 |
| 6.3.1 多种光照条件下的系统运行 | 第66-69页 |
| 6.3.2 光照变化条件下的系统仿真 | 第69-70页 |
| 6.4 本章小结 | 第70-71页 |
| 第7章 总结与展望 | 第71-73页 |
| 7.1 本文的主要工作 | 第71页 |
| 7.2 本文的创新点 | 第71-72页 |
| 7.3 不足与展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读学位期间发表论文与研究成果清单 | 第78-79页 |
| 致谢 | 第79页 |