| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 人脸识别技术的国内外研究概况 | 第11-12页 |
| 1.3 目前人脸识别技术的主要应用方向 | 第12页 |
| 1.4 人脸识别概述 | 第12-15页 |
| 1.4.1 人脸识别一般过程 | 第13-14页 |
| 1.4.2 人脸图像预处理 | 第14页 |
| 1.4.3 特征提取 | 第14-15页 |
| 1.5 主要研究内容 | 第15-16页 |
| 1.6 论文组织 | 第16-17页 |
| 第2章 预备知识 | 第17-28页 |
| 2.1 人脸识别中光照问题研究概述 | 第17-18页 |
| 2.1.1 识别算法方向的光照问题解决方案 | 第17页 |
| 2.1.2 图像预处理方向的光照问题解决方案 | 第17-18页 |
| 2.2 基于统计学习的特征提取技术在人脸识别中的应用 | 第18-26页 |
| 2.2.1 基于主成分分析的方法 | 第18-20页 |
| 2.2.2 基于二维主成分分析的方法 | 第20-22页 |
| 2.2.3 基于线性判别分析的方法 | 第22-24页 |
| 2.2.4 基于 Fisherfaces 的方法 | 第24-25页 |
| 2.2.5 基于二维线性判别分析的方法 | 第25-26页 |
| 2.3 常用人脸数据库简介 | 第26-28页 |
| 第3章 图像降噪的预处理方法 | 第28-47页 |
| 3.1 一种基于图像降噪的预处理方法 | 第28-41页 |
| 3.1.1 算法原理 | 第28-33页 |
| 3.1.2 基于图像降噪的预处理方法在 2DPCA 上的实验 | 第33-41页 |
| 3.2 基于图像降噪的预处理方法在各类算法中的实验 | 第41-45页 |
| 3.2.1 结合主成分分析法的实验 | 第42-43页 |
| 3.2.2 结合 Fisherfaces 的实验 | 第43-44页 |
| 3.2.3 结合二维线性判别分析法的实验 | 第44-45页 |
| 3.3 实验结果分析 | 第45-46页 |
| 3.4 小结 | 第46-47页 |
| 第4章 人脸识别中光照预处理算法的比较研究 | 第47-57页 |
| 4.1 基于直方图修正技术的方法 | 第47-49页 |
| 4.2 线性滤波 | 第49-50页 |
| 4.3 中值滤波 | 第50-52页 |
| 4.4 Gamma 灰度校正 | 第52页 |
| 4.5 自商图像 | 第52-53页 |
| 4.6 预处理方法在 Yale 人脸库上的实验和结果分析 | 第53-57页 |
| 4.6.1 在 Yale 人脸数据库上的实验 | 第54页 |
| 4.6.2 在 PIE Face Database of CMU 上的测试 | 第54-56页 |
| 4.6.3 实验结果分析 | 第56-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文总结 | 第57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间取得的科研成果 | 第63页 |
