| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·生物特征识别技术 | 第8页 |
| ·生物特征识别技术的应用和前景 | 第8-10页 |
| ·人脸识别的背景及意义 | 第10页 |
| ·人脸识别的研究内容 | 第10-11页 |
| ·人脸识别的研究现状 | 第11-12页 |
| ·人脸识别系统的基本框架 | 第12-13页 |
| ·人脸识别的主要商业系统 | 第13页 |
| ·本文研究的内容 | 第13-16页 |
| 第二章 主成分分析(PCA) | 第16-32页 |
| ·引言 | 第16页 |
| ·离散Karhunen-loeve 变换 | 第16-21页 |
| ·K-L 展开式的性质 | 第18-21页 |
| ·K-L 坐标系的产生矩阵 | 第21页 |
| ·PCA 的基本概念 | 第21-23页 |
| ·PCA 原理 | 第22页 |
| ·主成分分析的具体算法 | 第22-23页 |
| ·用PCA 进行特征提取的经典算法——Eigenface 算法 | 第23-32页 |
| ·人脸图像预处理 | 第24-25页 |
| ·特征脸空间 | 第25-26页 |
| ·通过特征脸空间来识别人脸 | 第26-27页 |
| ·奇异值分解(SVD)定理 | 第27-28页 |
| ·特征向量的选取 | 第28-29页 |
| ·距离测量 | 第29页 |
| ·人脸训练样本的选择 | 第29-32页 |
| 第三章 基于线性判别子空间的人脸识别 | 第32-36页 |
| ·引言 | 第32页 |
| ·Fisher 最佳线性判别 | 第32-33页 |
| ·计算最优LDA 投影 | 第33-34页 |
| ·Fisher 线性判别的步骤 | 第34页 |
| ·LDA 判别的优缺点分析 | 第34-36页 |
| 第四章 Gabor 小波变换 | 第36-50页 |
| ·引言 | 第36-37页 |
| ·Gabor 小波变换的定义 | 第37-39页 |
| ·Gabor 滤波器 | 第39-43页 |
| ·Gabor 滤波器参数的选择 | 第40页 |
| ·Gabor 滤波器的性质和计算方法 | 第40-41页 |
| ·Gabor 变换的人脸特征提取 | 第41-43页 |
| ·Gabor 快速算法 | 第43-50页 |
| ·快速傅里叶变换(FFT) | 第44-45页 |
| ·二维快速傅里叶变换(FFT)算法 | 第45-47页 |
| ·Gabor 变换的快速算法 | 第47-50页 |
| 第五章 基于Gabor 小波变换的人脸识别 | 第50-56页 |
| ·引言 | 第50页 |
| ·基于Gabor-PCA+Fisher 的人脸识别方法 | 第50-53页 |
| ·人脸图像的Gabor 表示 | 第50-51页 |
| ·使用PCA 降维的LDA 识别方法 | 第51-53页 |
| ·实验分析 | 第53-56页 |
| 结束语 | 第56-58页 |
| 进一步的工作 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者在读研期间的成果 | 第66页 |