| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题提出的背景与意义 | 第9-11页 |
| 1.2 人脸检测与识别的研究现状 | 第11-15页 |
| 1.2.1 人脸检测研究概述 | 第11-14页 |
| 1.2.2 人脸识别研究概述 | 第14-15页 |
| 1.3 主要存在的问题 | 第15-16页 |
| 1.4 本文的主要内容与结构安排 | 第16-17页 |
| 第2章 基于 Adaboost 算法的人脸检测原理 | 第17-31页 |
| 2.1 引言 | 第17-18页 |
| 2.2 Adaboost 原理 | 第18页 |
| 2.2.1 Boosting 算法背景 | 第18页 |
| 2.2.2 Adaboost 算法 | 第18页 |
| 2.3 基于 Haar-like 特征的 Adaboost 算法的人脸检测 | 第18-23页 |
| 2.3.1 Haar-like 矩形特征 | 第19-21页 |
| 2.3.2 特征数量 | 第21页 |
| 2.3.3 积分图 | 第21-23页 |
| 2.4 Adaboost 分类器设计 | 第23-26页 |
| 2.4.1 弱分类器 | 第24页 |
| 2.4.2 强分类器 | 第24-26页 |
| 2.5 级联分类器 | 第26-29页 |
| 2.5.1 级联分类器的设计 | 第26-27页 |
| 2.5.2 级联分类器的分析 | 第27-28页 |
| 2.5.3 级联分类器的训练 | 第28-29页 |
| 2.6 实验结果与分析 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 光照预处理 | 第31-49页 |
| 3.1 引言 | 第31页 |
| 3.2 直方图均衡化 | 第31-33页 |
| 3.3 Gamma 校正 | 第33-34页 |
| 3.4 Retinex 算法 | 第34-38页 |
| 3.4.1 单尺度 Retinex 算法 | 第35-36页 |
| 3.4.2 多尺度 Retinex 算法 | 第36-37页 |
| 3.4.3 改进的多尺度 Retinex 算法 | 第37-38页 |
| 3.5 暗通道先验方法 | 第38-47页 |
| 3.5.1 大气散射模型 | 第38-40页 |
| 3.5.2 暗通道先验 | 第40-41页 |
| 3.5.3 透射率估计 | 第41-43页 |
| 3.5.4 透射率优化 | 第43-46页 |
| 3.5.5 大气光强的估计 | 第46页 |
| 3.5.6 图像的恢复 | 第46-47页 |
| 3.6 Retinex 算法与暗通道先验算法相结合的光照处理 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 基于 Gabor 和 Fisherface 算法的人脸识别 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 Gabor 滤波器 | 第49-53页 |
| 4.2.1 二维 Gabor 滤波器 | 第49-52页 |
| 4.2.2 用 Gabor 滤波器提取人脸特征 | 第52-53页 |
| 4.3 基于线性子空间的人脸识别方法 | 第53-56页 |
| 4.3.1 主成分分析法 | 第53-54页 |
| 4.3.2 线性判别分析法 | 第54-56页 |
| 4.4 基于 Gabor 和 Fisherface 方法的人脸识别 | 第56-57页 |
| 4.5 实验结果与分析 | 第57-59页 |
| 4.6 本章小结 | 第59-61页 |
| 第5章 全文总结与展望 | 第61-63页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 作者简介 | 第67-69页 |
| 致谢 | 第69页 |
