| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景 | 第11页 |
| ·研究目的和意义 | 第11-12页 |
| ·国内外的研究现状 | 第12-15页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14-15页 |
| ·光照鲁棒人脸识别研究现状 | 第15-16页 |
| ·论文的主要研究内容 | 第16页 |
| ·论文的组织结构 | 第16-18页 |
| 第二章 算法总体设计 | 第18-25页 |
| ·基本思想 | 第18-19页 |
| ·算法设计 | 第19-22页 |
| ·算法模块 | 第19页 |
| ·人脸图像获取算法流程 | 第19-20页 |
| ·图像预处理算法流程 | 第20页 |
| ·特征提取算法流程 | 第20-21页 |
| ·数据分类（NN-SVM）识别算法流程 | 第21-22页 |
| ·数据降维（PCA/LDA Fisher）算法流程 | 第22页 |
| ·可行性分析 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 人脸图像的光照预处理 | 第25-35页 |
| ·概述 | 第25页 |
| ·几何预处理 | 第25-28页 |
| ·图像缩放 | 第25-27页 |
| ·图像平移 | 第27页 |
| ·图像旋转 | 第27-28页 |
| ·基于小波变换的光照预处理 | 第28-31页 |
| ·二维小波分解与重构 | 第28-30页 |
| ·基于小波变换的光照预处理算法 | 第30-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·图像缩放实验 | 第31页 |
| ·图像平移实验 | 第31-32页 |
| ·图像旋转实验 | 第32页 |
| ·图像小波分解实验 | 第32页 |
| ·图像光照预处理实验 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于Gabor 小波变换的人脸图像的特征提取 | 第35-52页 |
| ·Gabor 小波变换 | 第35-43页 |
| ·一维Gabor 小波 | 第35-36页 |
| ·二维Gabor 小波 | 第36-39页 |
| ·人脸图像的二维Gabor 小波变换 | 第39-40页 |
| ·局部Gabor 滤波器组 | 第40-42页 |
| ·平均Gabor 滤波器组 | 第42-43页 |
| ·人脸图像特征点采样 | 第43-45页 |
| ·数据降维 | 第45-49页 |
| ·主成分分析（PCA） | 第45-47页 |
| ·线性判别分析（LDA） | 第47-48页 |
| ·PCA/LDA Fisher 判别分析 | 第48-49页 |
| ·本文所采用的特征提取算法 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于最近邻和支持向量机分类的人脸识别 | 第52-66页 |
| ·概述 | 第52页 |
| ·最近邻分类器 | 第52-54页 |
| ·支持向量机 | 第54-59页 |
| ·线性可分情况下的最优分类面 | 第54-57页 |
| ·线性不可分情况下的广义最优分类面 | 第57-58页 |
| ·SVM 的核函数 | 第58-59页 |
| ·多类支持向量机分类器算法 | 第59-61页 |
| ·一对一投票分类原理 | 第59-60页 |
| ·多类问题的SVM 训练算法 | 第60页 |
| ·多类问题的SVM 分类算法 | 第60-61页 |
| ·数据规格化 | 第61-63页 |
| ·数据规格化的概念 | 第61-62页 |
| ·最大最小规格化（Max-Min Normalization） | 第62页 |
| ·零均值规格化（Zero-Mean Normalization） | 第62-63页 |
| ·本文采用的数据规格化方法实现流程 | 第63页 |
| ·最近邻和支持向量机相结合的分类算法 | 第63-64页 |
| ·算法基本思想 | 第63-64页 |
| ·算法实现 | 第64页 |
| ·本章小结 | 第64-66页 |
| 第六章 实验结果与讨论 | 第66-72页 |
| ·实验人脸数据库介绍 | 第66-67页 |
| ·WLLHA 算法在Yale B 人脸数据库中的实验 | 第67-68页 |
| ·本文算法与SSR 等算法比较实验 | 第68-69页 |
| ·NN、SVM 与NN-SVM 分类算法比较实验 | 第69-70页 |
| ·高频分量衰减系数比较实验 | 第70页 |
| ·网格数的选取实验 | 第70页 |
| ·SVM 核函数的选取实验 | 第70-72页 |
| 结论与展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
