| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-13页 |
| 1.1.1 课题来源与研究背景 | 第10-11页 |
| 1.1.2 课题研究目的和意义 | 第11-13页 |
| 1.2 国内外研究现状及分析 | 第13-15页 |
| 1.2.1 人脸识别的研究现状 | 第13-14页 |
| 1.2.2 国内外研究成果概况 | 第14-15页 |
| 1.3 本文的主要研究内容和论文结构 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 论文组织结构安排 | 第16-18页 |
| 第2章 人脸识别系统概述及图像预处理 | 第18-26页 |
| 2.1 人脸识别系统概述 | 第18-20页 |
| 2.1.1 人脸识别主要流程及目的 | 第18-20页 |
| 2.1.2 技术难点分析 | 第20页 |
| 2.2 图像预处理工作 | 第20-25页 |
| 2.2.1 灰度处理 | 第21-22页 |
| 2.2.2 边缘检测 | 第22-24页 |
| 2.2.3 平滑处理 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于空间金字塔与SURF算子结合的特征提取算法研究 | 第26-48页 |
| 3.1 特征提取的基本方法 | 第26-28页 |
| 3.2 基于尺度不变特征变换算法的特征提取 | 第28-33页 |
| 3.2.1 构建图像的尺度空间并检测出极值点 | 第28-29页 |
| 3.2.2 寻找最佳极值点 | 第29-31页 |
| 3.2.3 确定候方向与生成描述子 | 第31-33页 |
| 3.3 基于SURF算法的特征提取 | 第33-38页 |
| 3.3.1 SURF算法的主要流程 | 第34-37页 |
| 3.3.2 SURF算法与SIFT算法的比较 | 第37-38页 |
| 3.4 特征点的精确定位及优化 | 第38-41页 |
| 3.4.1 二项式插值去除低响应点 | 第38-39页 |
| 3.4.2 去除边缘特征点 | 第39-41页 |
| 3.5 基于SURF特征的空间金字塔表达法 | 第41-46页 |
| 3.5.1 空间金字塔匹配 | 第41-44页 |
| 3.5.2 人脸识别中SPM与SURF算子的结合 | 第44-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第4章 人脸识别分类器的设计 | 第48-57页 |
| 4.1 支持向量机 | 第48-50页 |
| 4.2 基于Haar特征的Adaboost分类器 | 第50-52页 |
| 4.3 实验过程和结果分析 | 第52-56页 |
| 4.3.1 MIT人脸数据库的人脸检测实验 | 第52-54页 |
| 4.3.2 Yale人脸数据库的人脸识别实验 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 基于人脸特征的图像匹配研究 | 第57-69页 |
| 5.1 图像匹配技术 | 第57-61页 |
| 5.1.1 图像匹配的定义 | 第57页 |
| 5.1.2 图像匹配基本流程 | 第57-59页 |
| 5.1.3 图像匹配的主要方法 | 第59-60页 |
| 5.1.4 基于FLANN匹配算法的搜索策略 | 第60-61页 |
| 5.2 人脸图像匹配实验 | 第61-68页 |
| 5.3 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77页 |