| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 光照归一化法 | 第11-12页 |
| 1.2.2 提取光照不变量法 | 第12-13页 |
| 1.2.3 光照建模法 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第2章 光照预处理算法基本理论 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 人脸图像的光照简介 | 第16-20页 |
| 2.2.1 光照分类 | 第16-17页 |
| 2.2.2 光照模型 | 第17-18页 |
| 2.2.3 朗伯模型 | 第18-19页 |
| 2.2.4 光照问题研究概述 | 第19-20页 |
| 2.3 图像增强技术 | 第20-23页 |
| 2.3.1 对数变换 | 第21-22页 |
| 2.3.2 伽马校正 | 第22页 |
| 2.3.3 直方图均衡 | 第22-23页 |
| 2.4 朗伯模型相关算法 | 第23-26页 |
| 2.4.1 Retinex | 第23-24页 |
| 2.4.2 商图像 | 第24-25页 |
| 2.4.3 形态学商图像 | 第25-26页 |
| 2.5 光照测试数据库 | 第26-30页 |
| 2.5.1 Extended Yale B人脸库 | 第26-28页 |
| 2.5.2 CMU PIE人脸库 | 第28-29页 |
| 2.5.3 SUNWIN_FACE人脸库 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 基于维纳滤波的自商图像算法 | 第31-41页 |
| 3.1 引言 | 第31-32页 |
| 3.2 维纳滤波基本原理 | 第32页 |
| 3.3 基于维纳滤波的自商图像算法 | 第32-36页 |
| 3.3.1 基本步骤 | 第32-34页 |
| 3.3.2 算法分析 | 第34-36页 |
| 3.4 实验结果 | 第36-40页 |
| 3.4.1 改进算法在CMU PIE库上的实验 | 第38-39页 |
| 3.4.2 改进算法在Extended Yale B库上的实验 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 多方向相对梯度图像算法 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 梯度脸 | 第41-43页 |
| 4.2.1 算法的基本原理 | 第41-42页 |
| 4.2.2 优缺点分析 | 第42-43页 |
| 4.3 多方向相对梯度算法 | 第43-46页 |
| 4.3.1 算法的基本原理 | 第43-44页 |
| 4.3.2 相对梯度的光照不变性分析 | 第44-45页 |
| 4.3.3 算法的基本步骤 | 第45-46页 |
| 4.4 实验结果 | 第46-52页 |
| 4.4.1 改进算法在CMU PIE人脸库上的实验 | 第47-49页 |
| 4.4.2 改进算法在Extended Yale B人脸库上的实验 | 第49-50页 |
| 4.4.3 改进算法在SUNWIN_FACE人脸库上的实验 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |
