| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-19页 |
| ·人脸识别研究的意义和优势 | 第9-10页 |
| ·人脸识别的重要意义 | 第9-10页 |
| ·人脸识别的优势 | 第10页 |
| ·人脸识别研究现状 | 第10-12页 |
| ·人脸识别研究的内容 | 第12-14页 |
| ·人脸识别过程 | 第12-13页 |
| ·人脸识别研究内容 | 第13-14页 |
| ·人脸识别技术要解决的难题 | 第14-16页 |
| ·本文的研究内容与组织 | 第16-19页 |
| ·本文的研究内容 | 第16-17页 |
| ·本文的组织安排 | 第17-19页 |
| 2 人脸识别常用方法 | 第19-31页 |
| ·基于提取人脸局部特征的方法 | 第19-23页 |
| ·基于面部几何特征方法 | 第19-20页 |
| ·基于弹性图匹配方法 | 第20-22页 |
| ·基于局部二值模式方法 | 第22-23页 |
| ·基于提取人脸整体特征的方法 | 第23-29页 |
| ·主成分分析法 | 第24-26页 |
| ·线性判别分析法 | 第26-27页 |
| ·独立主元分析法 | 第27-28页 |
| ·核子空间分析法 | 第28-29页 |
| ·基于提取人脸整体和局部特征融合的方法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 Gabor 小波与 CS-LBP | 第31-40页 |
| ·小波变换 | 第31-36页 |
| ·Gobar 函数和Gabor 小波 | 第32-33页 |
| ·Gobar 小波的生物学理解 | 第33-34页 |
| ·二维Gobar 小波变换 | 第34-36页 |
| ·LBP 算子 | 第36-38页 |
| ·LBP 算子原理及其扩展 | 第36-38页 |
| ·CS-LBP 算子 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于 Gabor 小波与 CS-LBP 结合的特征提取算法 | 第40-49页 |
| ·引言 | 第40页 |
| ·基于多通道Gabor 滤波的CS-LBP | 第40-43页 |
| ·Gabor 滤波及多通道特征图像 | 第40-41页 |
| ·特征提取算法描述 | 第41-43页 |
| ·实验结果与分析 | 第43-48页 |
| ·参数选择 | 第43-44页 |
| ·算法性能对比 | 第44-45页 |
| ·Yale 人脸库上的实验结果 | 第45-46页 |
| ·ORL 人脸库上的实验结果 | 第46-47页 |
| ·FERET 人脸库上的实验结果 | 第47页 |
| ·实验结果分析与讨论 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 基于多级 CS-LBP 特征融合的特征提取算法 | 第49-55页 |
| ·引言 | 第49页 |
| ·基于多级CS-LBP 特征的融合 | 第49-51页 |
| ·多级CS-LBP 编码特征图像 | 第49-50页 |
| ·特征提取算法描述 | 第50-51页 |
| ·实验结果与分析 | 第51-54页 |
| ·参数选择 | 第51-53页 |
| ·Yale、ORL 人脸库上的实验结果 | 第53-54页 |
| ·实验结果分析与讨论 | 第54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55-56页 |
| ·后续研究工作的展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
| A. 作者在攻读硕士学位论文期间发表的论文目录 | 第62页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第62页 |