| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题的研究目的和意义 | 第10-11页 |
| 1.2 人脸识别系统框架 | 第11-12页 |
| 1.3 人脸识别概况 | 第12-15页 |
| 1.3.1 人脸识别的历史发展过程 | 第12-13页 |
| 1.3.2 人脸识别的应用领域 | 第13页 |
| 1.3.3 人脸识别的研究现状 | 第13-15页 |
| 1.4 人脸识别面临的挑战 | 第15-18页 |
| 1.5 本文主要内容结构 | 第18-19页 |
| 第2章 LTP 方法分析 | 第19-26页 |
| 2.1 LTP 方法概述 | 第19-22页 |
| 2.2 LTP 方法在人脸识别中的应用 | 第22-24页 |
| 2.2.1 基于 LTP 特征的图像匹配方法 | 第22-23页 |
| 2.2.2 基于多特征的 Mean Shift 人脸跟踪算法 | 第23-24页 |
| 2.2.3 基于多尺度 LTP 的人脸识别 | 第24页 |
| 2.3 LTP 方法所面临的问题 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 改进型 LTP 算法的研究 | 第26-32页 |
| 3.1 改进型 LTP 的引入及改进流程 | 第26-27页 |
| 3.2 改进 LTP 算子的方法 | 第27-31页 |
| 3.2.1 自适应阈值选取 | 第27-29页 |
| 3.2.2 LATP 的或运算编码 | 第29-31页 |
| 3.3 改进型 LTP 方法的优点 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 改进型 LTP 特征提取算法的实现 | 第32-37页 |
| 4.1 预处理 | 第32-33页 |
| 4.1.1 对比度均衡化 | 第32页 |
| 4.1.2 归一化处理 | 第32-33页 |
| 4.2 改进型 LTP 特征提取方法 | 第33-34页 |
| 4.2.1 基本思想 | 第33-34页 |
| 4.2.2 算法流程 | 第34页 |
| 4.3 (2D)PCA 降维方法 | 第34-35页 |
| 4.4 分类识别 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第5章 识别系统的研究与应用 | 第37-46页 |
| 5.1 人脸识别系统 | 第37-41页 |
| 5.1.1 实现方法 | 第37-39页 |
| 5.1.2 应用平台 | 第39-41页 |
| 5.2 系统性能指标 | 第41页 |
| 5.3 实验结果与分析 | 第41-45页 |
| 5.3.1 基于 ORL 人脸库的实验 | 第41-44页 |
| 5.3.2 基于自建人脸库的实验 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 攻读学位期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |