| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·人脸识别的背景及研究意义 | 第7-8页 |
| ·国内外研究现状 | 第8-12页 |
| ·理论方面的发展现状 | 第8-12页 |
| ·应用方面的发展现状 | 第12页 |
| ·人脸识别系统及评价指标 | 第12-14页 |
| ·研究目的和研究内容 | 第14-16页 |
| ·研究目的 | 第14页 |
| ·研究内容 | 第14-16页 |
| 2 人脸特征提取 | 第16-24页 |
| ·主要的降维技术 | 第16页 |
| ·离散余弦变换（DCT） | 第16-19页 |
| ·DCT 的定义 | 第16-17页 |
| ·DCT 的重要性质 | 第17-19页 |
| ·fisher 线性判别 | 第19-21页 |
| ·一维fisher 线性判别 | 第20页 |
| ·多维fisher 线性判别 | 第20-21页 |
| ·DCT＋FLD 方法的优缺点 | 第21-22页 |
| ·人脸的局部特征提取 | 第22-24页 |
| 3 RBF 神经网络的基本原理 | 第24-38页 |
| ·人工神经网络发展概要 | 第24-26页 |
| ·人工神经网络的特点 | 第26-27页 |
| ·RBF 神经网络的基本原理 | 第27-31页 |
| ·RBF 神经网络的基本结构 | 第27-29页 |
| ·RBF 神经网络隐含层的学习 | 第29-31页 |
| ·对网络结构和中心选择的改进 | 第31-34页 |
| ·RBF 神经网络的泛化能力 | 第34-36页 |
| ·结构复杂性 | 第35页 |
| ·样本质量和数量 | 第35-36页 |
| ·先验知识 | 第36页 |
| ·初始的权值 | 第36页 |
| ·训练时间 | 第36页 |
| ·RBF 神经网络的优点及问题 | 第36-38页 |
| 4 基于 DCT 和 RBF 神经网络的人脸识别系统 | 第38-51页 |
| ·系统描述 | 第38-39页 |
| ·人脸数据库 | 第39页 |
| ·人脸特征提取 | 第39-46页 |
| ·提取整体特征 | 第39-42页 |
| ·提取局部特征 | 第42-45页 |
| ·特征个数的确定 | 第45-46页 |
| ·RBF 神经网络分类器 | 第46-51页 |
| ·为什么选择RBF | 第46-47页 |
| ·实验平台 | 第47-49页 |
| ·RBF 参数的优化 | 第49页 |
| ·仿真结果和分析 | 第49-51页 |
| 5 总结 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录 | 第56页 |