| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 人脸识别的发展历程 | 第10-11页 |
| 1.3 人脸检测的主要方法 | 第11-13页 |
| 1.3.1 基于肤色的人脸检测方法 | 第12-13页 |
| 1.3.2 基于AdaBoost的人脸检测方法 | 第13页 |
| 1.4 人脸识别的主要方法 | 第13-16页 |
| 1.4.1 基于模板匹配的人脸识别方法 | 第14页 |
| 1.4.2 基于隐马尔可夫模型的人脸识别方法 | 第14-15页 |
| 1.4.3 基于特征脸的人脸识别方法 | 第15-16页 |
| 1.4.4 基于神经网络的人脸识别方法 | 第16页 |
| 1.5 本文的主要内容和章节安排 | 第16-18页 |
| 第2章 基于AdaBoost和肤色模型的人脸检测方法研究 | 第18-33页 |
| 2.1 基于Haar特征和AdaBoost的人脸检测 | 第19-25页 |
| 2.1.1 人脸Haar特征 | 第19-21页 |
| 2.1.2 积分图 | 第21-22页 |
| 2.1.3 AdaBoost分类器 | 第22-25页 |
| 2.2 基于肤色模型的人脸检测 | 第25-29页 |
| 2.2.1 色彩空间模型 | 第26-27页 |
| 2.2.2 肤色分布高斯模型 | 第27页 |
| 2.2.3 肤色相似度分割及二值化 | 第27-29页 |
| 2.3 仿真分析 | 第29-32页 |
| 2.3.1 仿真结果 | 第29-31页 |
| 2.3.2 与其他算法的对比 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 图像预处理 | 第33-46页 |
| 3.1 图像的点变换 | 第33-35页 |
| 3.1.1 彩色与灰度之间的图像转换 | 第34页 |
| 3.1.2 灰度的线性变换 | 第34-35页 |
| 3.1.3 直方图均衡化 | 第35页 |
| 3.2 图像矫正 | 第35-37页 |
| 3.3 图像的噪声消除 | 第37-40页 |
| 3.3.1 图像的简单平滑 | 第37-38页 |
| 3.3.2 图像的高斯平滑 | 第38-39页 |
| 3.3.3 图像的中值滤波 | 第39页 |
| 3.3.4 图像的双边滤波 | 第39-40页 |
| 3.4 边缘检测 | 第40-45页 |
| 3.4.1 基于梯度算子的边缘检测 | 第41-42页 |
| 3.4.2 基于拉普拉斯算子的边缘检测 | 第42-44页 |
| 3.4.3 基于Canny算子的边缘检测 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 图像特征提取 | 第46-59页 |
| 4.1 小波变换 | 第46-50页 |
| 4.1.1 一维小波变换 | 第47-48页 |
| 4.1.2 二维小波变换 | 第48页 |
| 4.1.3 小波变换在人脸图像中的应用 | 第48-50页 |
| 4.2 主成分分析 | 第50-51页 |
| 4.3 线性判别分析 | 第51-53页 |
| 4.4 实验分析 | 第53-58页 |
| 4.4.1 人脸数据库介绍 | 第53-54页 |
| 4.4.2 算法实现 | 第54页 |
| 4.4.3 实验结果及分析 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 基于遗传算法和BP网络的人脸识别方法研究 | 第59-69页 |
| 5.1 BP神经网络 | 第59-61页 |
| 5.2 遗传算法基本原理及改进 | 第61-65页 |
| 5.2.1 遗传算法基本概念 | 第61-63页 |
| 5.2.2 遗传算法的改进 | 第63-65页 |
| 5.3 实验分析 | 第65-68页 |
| 5.3.1 实验流程 | 第65-66页 |
| 5.3.2 实验结果及分析 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 全文总结 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间的研究成果 | 第76页 |