| 第一章 绪论 | 第1-16页 |
| ·论文背景 | 第6-7页 |
| ·问题的提出 | 第6页 |
| ·人脸识别的应用 | 第6-7页 |
| ·人脸识别的发展现状 | 第7-8页 |
| ·神经生理学、心理学的主要结果 | 第7页 |
| ·机器识别人脸的现状 | 第7-8页 |
| ·人脸识别的研究范围以及方法 | 第8-14页 |
| ·人脸定位和检测 | 第9-10页 |
| ·人脸特征提取与识别方法 | 第10-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文各章内容安排 | 第15-16页 |
| 第二章 基于PCA的人脸识别 | 第16-28页 |
| ·引言 | 第16页 |
| ·特征脸方法 | 第16-19页 |
| ·图像归一化 | 第16-17页 |
| ·特征脸空间的形成 | 第17页 |
| ·利用特征脸空间来识别人脸 | 第17-19页 |
| ·SVD定理 | 第19-20页 |
| ·特征向量的选取 | 第20-21页 |
| ·距离测量 | 第21-22页 |
| ·样本选择 | 第22-23页 |
| ·实验结果 | 第23-27页 |
| ·ORL库中的实验结果 | 第23-24页 |
| ·Yale库中的实验结果 | 第24-25页 |
| ·实验结果分析 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于小波变换的人脸识别 | 第28-35页 |
| ·引言 | 第28页 |
| ·小波分析 | 第28-32页 |
| ·小波分析的发展与应用 | 第28-29页 |
| ·连续小波变换 | 第29-31页 |
| ·多分辨率分析与Mallat算法 | 第31-32页 |
| ·基于小波变换的人脸识别算法 | 第32-34页 |
| ·问题的提出 | 第32页 |
| ·改进的识别算法 | 第32-33页 |
| ·实验结果 | 第33-34页 |
| ·实验结果分析 | 第34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于独立类别的PCA+SVM的人脸识别方法 | 第35-46页 |
| ·引言 | 第35页 |
| ·SVM理论的发展与研究现状 | 第35-36页 |
| ·统计学习理论 | 第36-39页 |
| ·机器学习 | 第36-37页 |
| ·VC维 | 第37-38页 |
| ·结构风险最小化 | 第38-39页 |
| ·SVM理论 | 第39-43页 |
| ·最优超平面 | 第39-41页 |
| ·支持向量机 | 第41-42页 |
| ·核函数 | 第42-43页 |
| ·基于独立类别的PCA+SVM的人脸识别 | 第43-45页 |
| ·问题的提出 | 第43页 |
| ·基于独立类别的PCA+SVM算法 | 第43-44页 |
| ·实验结果 | 第44-45页 |
| ·实验结果分析 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第五章 结束语 | 第46-48页 |
| ·本文总结 | 第46-47页 |
| ·人脸识别技术展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-51页 |