| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-19页 |
| ·自动人脸识别技术 | 第8-12页 |
| ·研究目的及意义 | 第8-9页 |
| ·自动人脸识别系统 | 第9-11页 |
| ·国内外主要人脸识别商业系统 | 第11-12页 |
| ·特征提取及其重要性 | 第12-13页 |
| ·人脸特征提取方法概况 | 第13-17页 |
| ·基于几何特征的人脸特征矢量的提取方法 | 第13页 |
| ·基于统计方法的人脸特征矢量的提取方法 | 第13-14页 |
| ·基于连接机制的人脸特征矢量的提取方法 | 第14-15页 |
| ·“误配准灾难”问题及解决方法 | 第15-17页 |
| ·问题的提出 | 第17-18页 |
| ·论文的组织结构 | 第18-19页 |
| 2 二元树复小波变换及其在识别应用中的响应特性 | 第19-30页 |
| ·复小波分析的引入 | 第19-21页 |
| ·二元树复小波变换 | 第21-25页 |
| ·一维DTCWT | 第22-23页 |
| ·二维DTCWT | 第23-25页 |
| ·DTCWT 的优秀特性 | 第25页 |
| ·人脸图像的二元树复小波变换 | 第25-30页 |
| ·小波基与参数的选择 | 第25-26页 |
| ·DTCWT 在识别应用中的响应特性 | 第26-30页 |
| 3 DTCWT 幅值子空间特征提取与人脸识别 | 第30-41页 |
| ·线性子空间方法与降维 | 第30-35页 |
| ·主成分分析（PCA，Eigenface） | 第31-32页 |
| ·Fisher 线性判别（FLD，Fisherface） | 第32-33页 |
| ·直接线性判别分析（DLDA） | 第33页 |
| ·二维线性判别分析（2DLDA） | 第33-35页 |
| ·DTCWT 幅值子空间特征表示 | 第35-36页 |
| ·分类器，距离和相似度度量 | 第36-38页 |
| ·识别实验与评估 | 第38-41页 |
| ·不同特征个数下的识别性能 | 第38-39页 |
| ·不同训练样本数和子空间方法下的识别性能 | 第39-40页 |
| ·DCF 的优势 | 第40-41页 |
| 4 DTCWT 相位直方图特征提取与人脸识别 | 第41-53页 |
| ·相位及相位量化 | 第41-43页 |
| ·特征构造方法 | 第43-46页 |
| ·局部二进制模式（LBP） | 第43-44页 |
| ·局部直方图统计 | 第44页 |
| ·局部特征的加权处理 | 第44-46页 |
| ·DTCWT 相位直方图特征表示（HXDP） | 第46-48页 |
| ·识别实验与评估 | 第48-53页 |
| ·相似度度量——基于直方图交的HXDP 匹配 | 第48-49页 |
| ·不同分块大小和直方图bin 数下的识别性能 | 第49-50页 |
| ·不同参考样本数下识别性能 | 第50-51页 |
| ·DTCWT 相位直方图特征表示（HXDP）的特点分析 | 第51-53页 |
| 5 结论与展望 | 第53-55页 |
| ·结论 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60页 |