| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·生物特征识别技术 | 第7-9页 |
| ·人脸识别技术研究内容 | 第9-11页 |
| ·人脸识别系统的性能指标 | 第11-12页 |
| ·国内外研究及应用现状 | 第12页 |
| ·常用人脸库 | 第12-14页 |
| ·本文的主要工作及内容安排 | 第14-17页 |
| 第二章 人脸识别的一般方法 | 第17-25页 |
| ·基于几何特征的方法 | 第17-18页 |
| ·基于隐马尔可夫模型的方法 | 第18-19页 |
| ·基于神经网络的方法 | 第19-21页 |
| ·基于子空间的方法 | 第21-23页 |
| ·识别分类方法的选择 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于线性子空间的人脸识别方法 | 第25-41页 |
| ·主成分分析方法 | 第25-27页 |
| ·Fisher 线性判别方法 | 第27-30页 |
| ·分块 PCA 方法 | 第30-34页 |
| ·MPCA 的主要思想 | 第30-32页 |
| ·实验与分析 | 第32-34页 |
| ·改进的分块 PCA 方法 | 第34-37页 |
| ·MMPCA 的具体流程 | 第34-35页 |
| ·实验与分析 | 第35-37页 |
| ·分块 FLD 方法 | 第37-39页 |
| ·MFLD 的主要原理 | 第37页 |
| ·实验与分析 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 人脸图像的 Gabor 特征提取 | 第41-49页 |
| ·2D-Gabor 小波变换 | 第41-42页 |
| ·2D-Gabor 滤波器组的参数影响 | 第42-44页 |
| ·参数的选择 | 第42-43页 |
| ·参数的意义 | 第43-44页 |
| ·2D-Gabor 滤波器的响应特性 | 第44-45页 |
| ·对人脸图像位置的影响 | 第44页 |
| ·对人脸图像边缘的影响 | 第44-45页 |
| ·对人脸图像亮度的影响 | 第45页 |
| ·人脸的 Gabor 小波特征 | 第45-48页 |
| ·确定参数 | 第45页 |
| ·输入图像与 Gabor 滤波器卷积 | 第45-46页 |
| ·人脸的 Gabor 特征表示 | 第46-48页 |
| ·Gabor 人脸特征融合 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第五章 融合 Gabor 小波变换的线性子空间算法 | 第49-57页 |
| ·融合算法的主要流程 | 第49-52页 |
| ·人脸图像的 Gabor 特征描述 | 第49-50页 |
| ·线性子空间方法进行特征提取 | 第50-51页 |
| ·最近邻分类器分类识别 | 第51-52页 |
| ·Gabor 小波变换与分块 PCA 相结合的算法 | 第52-54页 |
| ·Gabor 小波变换与改进的分块 PCA 相结合的算法 | 第54-55页 |
| ·Gabor 小波变换与分块 FLD 相结合的算法 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 主要结论与展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第65页 |
