| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-23页 |
| ·研究背景与意义 | 第9-11页 |
| ·人脸识别的研究现状与技术挑战 | 第11-15页 |
| ·人脸识别研究的发展历程 | 第11-12页 |
| ·人脸识别研究的技术挑战 | 第12-15页 |
| ·人脸识别研究的内容 | 第15-18页 |
| ·人脸识别研究的过程 | 第15-17页 |
| ·人脸识别的研究方法 | 第17-18页 |
| ·流形学习研究背景、动机及与人脸识别的关系 | 第18-21页 |
| ·流形学习研究的背景 | 第18-19页 |
| ·流形学习研究的动机 | 第19-20页 |
| ·流形学习与人脸识别的关系 | 第20-21页 |
| ·本文研究的内容和结构安排 | 第21-23页 |
| 第2章 流形学习算法概述 | 第23-40页 |
| ·引言 | 第23-24页 |
| ·经典的线性流形学习算法 | 第24-30页 |
| ·主成分分析 | 第24-26页 |
| ·线性判别分析 | 第26-27页 |
| ·独立成分分析 | 第27-29页 |
| ·局部保持投影 | 第29-30页 |
| ·经典的非线性流形学习算法 | 第30-39页 |
| ·等距映射 | 第30-32页 |
| ·局部线性嵌入 | 第32-35页 |
| ·拉普拉斯映射 | 第35-36页 |
| ·局部切空间排列 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第3章 Gabor 小波理论简介 | 第40-48页 |
| ·Gabor 小波的起源 | 第40-41页 |
| ·Gabor 小波的生物学背景 | 第41-43页 |
| ·二维 Gabor 小波变换 | 第43-44页 |
| ·Gabor 滤波器组的参数选择 | 第44-46页 |
| ·FFT 提速 Gabor 的特征提取 | 第46-47页 |
| ·Gabor 特征的采样 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于 Gabor 滤波与线性局部切空间排列相关算法的人脸识别算法 | 第48-67页 |
| ·线性局部切空间排列算法及其相关算法的简介 | 第48-57页 |
| ·线性局部切空间排列算法(LLTSA) | 第48-50页 |
| ·自适应邻域的选取与模型的修正 | 第50-53页 |
| ·判别的线性局部切空间排列算法(DLLTSA) | 第53-54页 |
| ·基向量约束的相关算法 | 第54-57页 |
| ·基于 Gabor 滤波与 LLTSA 相关算法的人脸识别算法 | 第57-58页 |
| ·实验结果对比与分析 | 第58-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 基于 Gabor 滤波与局部线性嵌入相关算法的人脸识别算法 | 第67-83页 |
| ·局部线性嵌入算法及其相关算法的简介 | 第67-74页 |
| ·局部线性嵌入的线性形式 | 第67-69页 |
| ·自适应邻域的选取 | 第69-71页 |
| ·基于局部线性的最大散度矩阵算法(FSLLE) | 第71-72页 |
| ·基向量约束的相关算法 | 第72-74页 |
| ·基于 Gabor 滤波与 LLE 相关算法的人脸识别算法 | 第74-75页 |
| ·实验结果对比与分析 | 第75-82页 |
| ·本章小结 | 第82-83页 |
| 第6章 总结与展望 | 第83-85页 |
| ·本文小结 | 第83页 |
| ·今后的工作展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-88页 |
