| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-11页 |
| 1 绪论 | 第11-31页 |
| ·研究背景及意义 | 第11-12页 |
| ·其它常见的生物特征识别技术 | 第12-14页 |
| ·指纹识别 | 第12页 |
| ·虹膜识别 | 第12-13页 |
| ·视网膜识别 | 第13页 |
| ·掌纹识别 | 第13页 |
| ·静脉识别 | 第13-14页 |
| ·手写签名识别 | 第14页 |
| ·语音识别 | 第14页 |
| ·步态识别 | 第14页 |
| ·光照变化对人脸识别带来的影响 | 第14-17页 |
| ·人脸识别中消除光照影响的研究综述 | 第17-29页 |
| ·三维人脸 | 第17-18页 |
| ·红外人脸 | 第18-19页 |
| ·光照变化模型 | 第19-20页 |
| ·光照不变性特征 | 第20-24页 |
| ·光照归一化 | 第24-25页 |
| ·3D 形态模型 | 第25页 |
| ·常用的人脸数据库 | 第25-29页 |
| ·本文的主要工作 | 第29页 |
| ·本文组织结构安排 | 第29-31页 |
| 2 多尺度人脸细节特征的融合 | 第31-47页 |
| ·人脸细节特征的光照不变性 | 第31-33页 |
| ·获得多尺度人脸细节特征的方法 | 第33-42页 |
| ·傅里叶变换 | 第33-36页 |
| ·小波变换 | 第36-39页 |
| ·经验模式分解 | 第39-42页 |
| ·多尺度下人脸细节特征的融合计算框架 | 第42-43页 |
| ·实验与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 3 图像中细节信息量的度量方法 | 第47-79页 |
| ·使用小波分解系数进行细节信息量的度量 | 第47-50页 |
| ·使用傅里叶频率域能量进行细节信息量的度量 | 第50-53页 |
| ·使用极值点进行细节信息量的度量 | 第53-56页 |
| ·使用对比度进行细节信息量的度量 | 第56-59页 |
| ·度量方法作为计算框架的权重 | 第59-61页 |
| ·实验与分析 | 第61-76页 |
| ·基于Yale B 数据库的实验 | 第61-71页 |
| ·基于CMU PIE 人脸数据库的实验 | 第71-73页 |
| ·基于outdoor 数据库的实验 | 第73-75页 |
| ·实验结论与分析 | 第75-76页 |
| ·本章小结 | 第76-79页 |
| 4 基于多尺度对比度分析的改进 LBP 方法 | 第79-97页 |
| ·LBP 方法介绍 | 第79-82页 |
| ·灰度尺度不变性 | 第79-80页 |
| ·旋转不变性 | 第80-81页 |
| ·统一模式特征 | 第81-82页 |
| ·LBP 方法用于人脸识别 | 第82-84页 |
| ·Ahonen 方法 | 第82-83页 |
| ·Zhang 方法 | 第83-84页 |
| ·Huang 方法 | 第84页 |
| ·使用LBP 作为人脸图像预处理方法 | 第84页 |
| ·改进的LMCP（Local Multi-layer Contrast Pattern）方法 | 第84-90页 |
| ·获得LMCP 特征 | 第85-87页 |
| ·光照归一化预处理 | 第87-88页 |
| ·LMCP 特征算法 | 第88-90页 |
| ·实验与分析 | 第90-94页 |
| ·基于Yale B 数据库的实验 | 第90-93页 |
| ·基于CMU PIE 人脸数据库的实验 | 第93页 |
| ·基于outdoor 人脸数据库的实验 | 第93-94页 |
| ·实验结论与分析 | 第94页 |
| ·本章小结 | 第94-97页 |
| 5 总结与展望 | 第97-101页 |
| ·本文主要工作及创新点 | 第97-98页 |
| ·后续研究工作展望 | 第98-101页 |
| 致谢 | 第101-103页 |
| 参考文献 | 第103-111页 |
| 附录 | 第111页 |
| A. 作者在攻读学位期间发表录用及完成的论文 | 第111页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第111页 |