| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 中英文缩写对照表 | 第9-11页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 课题的研究背景与意义 | 第11-12页 |
| 1.2 人脸识别系统 | 第12-15页 |
| 1.2.1 人脸识别研究历史 | 第12-13页 |
| 1.2.2 人脸识别系统基本结构 | 第13-15页 |
| 1.3 特征提取分类的主要技术方法 | 第15-17页 |
| 1.3.1 基于特征子空间的方法 | 第15-16页 |
| 1.3.2 基于局部特征的方法 | 第16-17页 |
| 1.3.3 基于统计学习理论的方法 | 第17页 |
| 1.4 局部二值模式研究现状 | 第17-20页 |
| 1.5 论文组织安排 | 第20-22页 |
| 第2章 人脸分析与识别中的LBP方法 | 第22-36页 |
| 2.1 基于LBP的局部特征提取 | 第22-24页 |
| 2.2 LBP模式的发展与演变 | 第24-28页 |
| 2.2.1 旋转不变局部二值模式 | 第24-25页 |
| 2.2.2 统一局部二值模式 | 第25-28页 |
| 2.3 基于LBP的人脸识别 | 第28-31页 |
| 2.3.1 基于分块LBP的特征提取 | 第28-30页 |
| 2.3.2 基于k近邻学习的特征分类 | 第30-31页 |
| 2.4 标准人脸库及实验指标 | 第31-33页 |
| 2.5 算法验证 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 自适应方向局部三值模式研究 | 第36-52页 |
| 3.1 局部三值模式描述算子 | 第36-38页 |
| 3.2 中心对称二值局部模式描述算子 | 第38-42页 |
| 3.3 完整的局部二值模式 | 第42-44页 |
| 3.4 自适应方向局部三值模式 | 第44-48页 |
| 3.4.1 思路分析 | 第44-45页 |
| 3.4.2 D-LTP描述算子 | 第45-46页 |
| 3.4.3 自适应阈值选取 | 第46-48页 |
| 3.5 自适应方向局部三值模式算法验证 | 第48-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 多尺度SD-LTP金字塔特征研究 | 第52-69页 |
| 4.1 图像的分层数据结构 | 第52-54页 |
| 4.1.1 金字塔结构 | 第53-54页 |
| 4.1.2 四叉树结构 | 第54页 |
| 4.2 SD-LTP金字塔特征 | 第54-61页 |
| 4.2.1 多尺度表达与M型金字塔 | 第55-56页 |
| 4.2.2 M型金字塔结构的多尺度滤波 | 第56-60页 |
| 4.2.3 基于SD-LTP金字塔的多尺度特征提取 | 第60-61页 |
| 4.3 基于SD-LTP金字塔特征的人脸识别 | 第61-63页 |
| 4.3.1 基本流程 | 第61-62页 |
| 4.3.2 人脸图像金字塔的构建 | 第62-63页 |
| 4.3.3 特征向量的构造 | 第63页 |
| 4.4 综合实验 | 第63-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 全文总结 | 第69-70页 |
| 5.2 研究展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间的研究成果 | 第77页 |