| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 人脸识别研究现状 | 第12-17页 |
| 1.2.1 人脸识别的方法 | 第12-16页 |
| 1.2.2 人脸数据的表示（处理）方法 | 第16-17页 |
| 1.3 当前人脸识别的问题和难点 | 第17-18页 |
| 1.4 论文的主要工作内容和章节安排 | 第18-20页 |
| 第2章 基于向量、矩阵和张量的人脸识别 | 第20-28页 |
| 2.1 基于向量的人脸识别 | 第20-22页 |
| 2.1.1 PCA | 第20-21页 |
| 2.1.2 LDA | 第21-22页 |
| 2.1.3 LPP | 第22页 |
| 2.2 基于矩阵的人脸识别 | 第22-23页 |
| 2.2.1 2D-PCA | 第22-23页 |
| 2.2.2 2D-LDA | 第23页 |
| 2.2.3 2D-LPP | 第23页 |
| 2.3 张量及人脸张量表示 | 第23-28页 |
| 2.3.1 张量 | 第23-26页 |
| 2.3.1.1 张量的符号表示 | 第23-24页 |
| 2.3.1.2 张量的n模展开 | 第24-25页 |
| 2.3.1.3 张量的n模乘积 | 第25-26页 |
| 2.3.1.4 张量的内积与范数 | 第26页 |
| 2.3.1.5 张量分解 | 第26页 |
| 2.3.2 张量距离 | 第26-27页 |
| 2.3.3 人脸张量的模型 | 第27-28页 |
| 第3章 基于张量的2D-PCA人脸识别算法 | 第28-40页 |
| 3.1 RGB彩色人脸图像的2D-PCA人脸识别 | 第29-31页 |
| 3.1.1 基于PCA的彩色人脸识别 | 第29页 |
| 3.1.2 基于2D-PCA的彩色人脸识别 | 第29-31页 |
| 3.1.2.1 色彩信息矩阵模型 | 第29-30页 |
| 3.1.2.2 色彩信息矩阵模型的改进 | 第30页 |
| 3.1.2.3 基于色彩信息矩阵模型的2D-PCA人脸识别算法 | 第30-31页 |
| 3.2 Tensor PCA | 第31-33页 |
| 3.2.1 Tensor PCA算法 | 第31-33页 |
| 3.2.2 Tensor PCA性能分析 | 第33页 |
| 3.3 实验结果与分析 | 第33-38页 |
| 3.3.1 GT彩色人脸库 | 第33-34页 |
| 3.3.2 实验结果 | 第34-38页 |
| 3.3.2.1 PCA和基于“串”方式的彩色PCA比较 | 第35页 |
| 3.3.2.2 三种矩阵模型下2D-PCA的算法比较 | 第35-37页 |
| 3.3.2.3 Tensor PCA算法的结果 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于TDLPP的人脸识别算法 | 第40-52页 |
| 4.1 局部保持投影算法的改进 | 第40-42页 |
| 4.1.1 判别局部保持投影算法 | 第41页 |
| 4.1.2 双边二维局部保持投影算法 | 第41-42页 |
| 4.2 双边二维判别局部保持投影算法 | 第42-43页 |
| 4.3 张量判别局部保持投影算法 | 第43-47页 |
| 4.3.1 基于张量距离的K近邻算法 | 第44页 |
| 4.3.2 TDLPP算法 | 第44-46页 |
| 4.3.3 TDLPP算法性能分析 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-50页 |
| 4.4.1 人脸数据库 | 第47-48页 |
| 4.4.2 实验结果 | 第48-50页 |
| 4.4.2.1 算法性能比较 | 第48-49页 |
| 4.4.2.2 分类正确率与训练样本集大小的关系 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第5章 总结与展望 | 第52-55页 |
| 5.1 研究内容总结 | 第52-53页 |
| 5.2 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 |
