| 目录 | 第1-9页 |
| 第一章 绪论 | 第9-17页 |
| ·生物特征识别的历史与现状 | 第9-10页 |
| ·生物特征识别的关键技术 | 第10-11页 |
| ·人脸识别的主要特点 | 第11-12页 |
| ·人脸识别的测试平台 | 第12-14页 |
| ·人脸识别发展现状 | 第14页 |
| ·本文的主要工作及章节安排 | 第14-17页 |
| 第二章 人脸识别的框架及关键技术 | 第17-35页 |
| ·人脸识别的通用框架 | 第17-18页 |
| ·可分性判据 | 第18-21页 |
| ·用于可分性判据的类内类间距离 | 第18-19页 |
| ·基于概率分布的可分性判据 | 第19-20页 |
| ·正态分布时可分性判据 | 第20-21页 |
| ·基于熵函数的可分析判据 | 第21页 |
| ·特征提取的常用方法 | 第21-28页 |
| ·按欧氏距离度量的特征提取方法 | 第21-22页 |
| ·K-L变换方法 | 第22-23页 |
| ·PCA与MC方法 | 第23-25页 |
| ·独立分量分析(ICA)方法 | 第25-26页 |
| ·其他基于智能的自动聚类和量化算法 | 第26-28页 |
| ·分类器设计 | 第28-35页 |
| ·基于距离的分类器 | 第328-30页 |
| ·贝叶斯分类器(Bayes) | 第30页 |
| ·支持向量机(SVM)分类器 | 第30-33页 |
| ·神经网络分类器(Neural Network Classifier) | 第33-35页 |
| 第三章 人脸识别典型方法分析 | 第35-43页 |
| ·特征脸方法(EigenFace Method) | 第35-37页 |
| ·隐马尔科夫模型方法 | 第37-38页 |
| ·弹性图匹配方法 | 第38-39页 |
| ·基于神经网络的方法 | 第39-40页 |
| ·本章小节 | 第40-43页 |
| 第四章 改进的Zernik矩识别方法 | 第43-49页 |
| ·引言 | 第43页 |
| ·基本概念 | 第43-44页 |
| ·矩不变性证明 | 第44-45页 |
| ·实验结果及分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于克隆优化复合特征选取的多视角人脸识别算法 | 第49-60页 |
| ·方法概述 | 第49页 |
| ·方法的引入 | 第49-50页 |
| ·算法总体框架描述 | 第50-51页 |
| ·人脸的特征抽取 | 第51-52页 |
| ·自组织特征映射 | 第51-52页 |
| ·次分量分析(MCA) | 第52页 |
| ·特征融合 | 第52-53页 |
| ·特征优化和选取 | 第53-57页 |
| ·克隆算法(Clone Algorithm) | 第53-55页 |
| ·克隆算法的编码 | 第55-56页 |
| ·适应度函数设计 | 第56-57页 |
| ·试验结果及分析 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 附录A | 第61-63页 |
| 在读硕士期间科研情况 | 第63-64页 |
| 致谢 | 第64页 |