| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 人脸识别的研究背景及意义 | 第9-10页 |
| 1.2 人脸识别技术发展及现状 | 第10-12页 |
| 1.3 光照问题研究概况 | 第12-13页 |
| 1.4 本文结构安排 | 第13-14页 |
| 第二章 相关背景知识介绍 | 第14-26页 |
| 2.1 光照归一化 | 第14-19页 |
| 2.1.1 基于LTV模型的光照归一化 | 第14-17页 |
| 2.1.2 光照预处理链 | 第17-19页 |
| 2.2 LTP特征 | 第19-23页 |
| 2.2.1 LBP算子 | 第19-21页 |
| 2.2.2 LTP算子 | 第21-23页 |
| 2.2.3 LTP面临的问题 | 第23页 |
| 2.3 测试人脸库 | 第23-25页 |
| 2.3.1 Extended Yale B人脸库 | 第23-25页 |
| 2.3.2 CMU PIE人脸库 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 光照归一化 | 第26-32页 |
| 3.1 引言 | 第26页 |
| 3.2 对数域光照预处理链 | 第26-29页 |
| 3.2.1 算法分析 | 第26-29页 |
| 3.2.2 算法步骤 | 第29页 |
| 3.3 实验结果及分析 | 第29-31页 |
| 3.3.1 CMU PIE人脸库 | 第29-30页 |
| 3.3.2 Extended Yale B人脸库 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 自适应阈值LTP特征提取算法 | 第32-46页 |
| 4.1 引言 | 第32-33页 |
| 4.2 ATLTP特征提取 | 第33-37页 |
| 4.2.1 自适应阈值的选取 | 第33-34页 |
| 4.2.2 ATLTP特征编码 | 第34-36页 |
| 4.2.3 算法步骤 | 第36-37页 |
| 4.3 实验结果及分析 | 第37-39页 |
| 4.3.1 CMU PIE人脸库 | 第37页 |
| 4.3.2 Extended Yale B人脸库 | 第37-39页 |
| 4.4 多尺度ATLTP特征提取 | 第39-42页 |
| 4.4.1 多尺度ATLTP编码特征图像 | 第39-40页 |
| 4.4.2 多尺度ATLTP特征提取算法描述 | 第40-41页 |
| 4.4.3 算法步骤 | 第41-42页 |
| 4.5 实验结果及分析 | 第42-45页 |
| 4.5.1 CMU PIE人脸库 | 第42-43页 |
| 4.5.2 Extended Yale B人脸库 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 基于光照归一化与ATLTP特征的人脸识别 | 第46-56页 |
| 5.1 引言 | 第46-47页 |
| 5.2 基于光照预处理链与ATLTP特征的人脸识别 | 第47-50页 |
| 5.2.1 鲁棒性分析 | 第47-49页 |
| 5.2.2 算法步骤 | 第49-50页 |
| 5.3 实验结果及分析 | 第50-55页 |
| 5.3.1 CMU PIE人脸库 | 第51-52页 |
| 5.3.2 Extended Yale B人脸库 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第61-62页 |
| 致谢 | 第62页 |