| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究的背景及其意义 | 第9页 |
| ·人脸识别的发展现状与前景展望 | 第9-12页 |
| ·人脸识别的国外发展现状 | 第10-11页 |
| ·人脸识别的国内发展现状 | 第11页 |
| ·人脸识别的发展前景 | 第11-12页 |
| ·本文研究内容 | 第12-14页 |
| 2 图像预处理及人脸检测的研究 | 第14-28页 |
| ·系统的整体结构设计 | 第14页 |
| ·图像预处理 | 第14-21页 |
| ·彩色图像转化为灰度图像 | 第15页 |
| ·人脸图像噪声的消减 | 第15-16页 |
| ·人脸图像的归一化 | 第16-21页 |
| ·人脸检测的算法 | 第21-27页 |
| ·基于 Adaboost 算法的研究 | 第22-25页 |
| ·基于 Adaboost 算法的改进 | 第25-27页 |
| ·人脸数据库的选取 | 第27页 |
| ·本章小节 | 第27-28页 |
| 3 特征提取与识别的研究 | 第28-42页 |
| ·人脸识别方法的选取 | 第28-32页 |
| ·弹性图匹配 | 第29页 |
| ·人工神经网络 | 第29-30页 |
| ·隐马尔可夫模型 | 第30-31页 |
| ·支持向量机 | 第31-32页 |
| ·其他方法 | 第32页 |
| ·K-L 变换 | 第32-35页 |
| ·K-L 变换原理及性质 | 第33-34页 |
| ·特征值选取 | 第34-35页 |
| ·奇异值分解定理(SVD) | 第35-36页 |
| ·距离函数 | 第36-37页 |
| ·基于 PCA 的人脸识别 | 第37-41页 |
| ·特征脸的构造和主要思路 | 第37-41页 |
| ·特征脸方法的优点与不足 | 第41页 |
| ·本章小结 | 第41-42页 |
| 4 PCA 和 LDA 算法的融合及改进 | 第42-51页 |
| ·基于 Fisher 准则的线性判别分析(LDA) | 第42-45页 |
| ·两类线性判别 | 第42-44页 |
| ·多类问题的 Fisher 线性判别 | 第44-45页 |
| ·线性判别分析中的小样本问题 | 第45-46页 |
| ·PCA 和 LDA 结合的特征提取方法 | 第46-48页 |
| ·PCA 和 LDA 算法的改进 | 第48-50页 |
| ·实验结果及分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 5 系统软件设计 | 第51-58页 |
| ·仿真环境分析 | 第51页 |
| ·系统设计 | 第51-56页 |
| ·系统软件设计 | 第52页 |
| ·主要实现步骤 | 第52-56页 |
| ·人脸识别实验结果及分析 | 第56-57页 |
| ·本章小节 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
| 致谢 | 第64-65页 |