| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 人脸识别技术研究背景 | 第7-8页 |
| 1.2 人脸识别技术的研究现状 | 第8-10页 |
| 1.3 人脸识别技术的研究内容 | 第10-11页 |
| 1.4 本文主要研究内容及各章节安排 | 第11-13页 |
| 1.4.1 本文主要研究内容 | 第11页 |
| 1.4.2 本文各章节安排 | 第11-13页 |
| 第二章 人脸识别系统简述 | 第13-20页 |
| 2.1 人脸识别流程 | 第13-16页 |
| 2.1.1 人脸检测与定位 | 第13-15页 |
| 2.1.2 图像预处理 | 第15-16页 |
| 2.1.3 特征提取 | 第16页 |
| 2.2 人脸识别方法 | 第16-17页 |
| 2.2.1 基于局部人脸特征的识别方法 | 第16-17页 |
| 2.2.2 基于整体人脸特征的识别方法 | 第17页 |
| 2.3 常用人脸数据库 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 改进的隶属度主成分分析的人脸特征提取与实验 | 第20-32页 |
| 3.1 基于主成分分析识别方法 | 第20-25页 |
| 3.1.1 K-L变换 | 第20-22页 |
| 3.1.2 奇异值分解SVD | 第22-24页 |
| 3.1.3 基于PCA方法的特征提取 | 第24-25页 |
| 3.2 改进的主成分分析方法FG PCA | 第25-28页 |
| 3.2.1 图像分割及特征提取 | 第26-27页 |
| 3.2.2 基于隶属度分类器 | 第27-28页 |
| 3.3 实验结果分析 | 第28-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 改进的线性鉴别分析方法与实验 | 第32-48页 |
| 4.1 线性鉴别分析法提取人脸特征 | 第32-37页 |
| 4.1.1 Fisher鉴别准则 | 第32-35页 |
| 4.1.2 经典Fisher线性鉴别分析方法 | 第35-36页 |
| 4.1.3 基于LDA的人脸特征提取 | 第36-37页 |
| 4.2 LDA的次优性问题分析 | 第37-39页 |
| 4.3 本文对LDA方法的改进 | 第39-46页 |
| 4.3.1 基于K近邻改进的LDA方法 | 第39-41页 |
| 4.3.2 基于中值改进的LDA方法 | 第41-42页 |
| 4.3.3 融合两种改进的MKDA方法 | 第42-43页 |
| 4.3.4 实验结果分析 | 第43-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 研究总结与展望 | 第48-50页 |
| 5.1 全文总结 | 第48页 |
| 5.2 未来工作展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表论文 | 第54-55页 |
| 致谢 | 第55页 |