| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-11页 |
| ·课题背景 | 第8页 |
| ·人脸识别技术的发展历史 | 第8-9页 |
| ·人脸识别技术的应用 | 第9页 |
| ·本文的主要工作 | 第9-10页 |
| ·论文结构 | 第10-11页 |
| 第二章 人脸识别技术方法概述 | 第11-18页 |
| ·图像预处理 | 第11-12页 |
| ·人脸识别中的子空间法 | 第12-16页 |
| ·线性子空间法 | 第13-14页 |
| ·非线性子空间法 | 第14-16页 |
| ·分类 | 第16-18页 |
| 第三章 流形学习 | 第18-24页 |
| ·流形学习发展概况 | 第18页 |
| ·流形学习的定义 | 第18-20页 |
| ·经典算法介绍 | 第20-22页 |
| ·局部线性嵌入LLE | 第20-21页 |
| ·等距映射ISOMAP | 第21页 |
| ·拉普拉斯特征映射Laplacian Eigenmap | 第21-22页 |
| ·流形学习在人脸识别的应用 | 第22-24页 |
| 第四章 基于全局的人脸识别 | 第24-31页 |
| ·图像预处理 | 第24页 |
| ·提取人脸子空间 | 第24-27页 |
| ·构建类内散度矩阵 | 第25页 |
| ·构建类间散度矩阵 | 第25-26页 |
| ·投影 | 第26-27页 |
| ·分类 | 第27-28页 |
| ·实验结果及分析 | 第28-31页 |
| ·ORL 人脸数据库 | 第28页 |
| ·参数选取 | 第28页 |
| ·识别结果 | 第28-31页 |
| 第五章 基于分块的人脸识别 | 第31-39页 |
| ·图像分块 | 第32-33页 |
| ·提取特征 | 第33-34页 |
| ·分类 | 第34页 |
| ·实验结果及分析 | 第34-39页 |
| ·Yale 数据库 | 第34-36页 |
| ·YaleB 数据库 | 第36-37页 |
| ·PIE 人脸数据库 | 第37-39页 |
| 第六章 总结和展望 | 第39-41页 |
| ·总结 | 第39页 |
| ·展望 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44-45页 |
| 在学期间公开发表论文情况 | 第45页 |