| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 人脸识别理论的研究背景与意义 | 第9-11页 |
| 1.1.1 人脸识别的意义 | 第10-11页 |
| 1.2 人脸识别的研究现状 | 第11-12页 |
| 1.2.1 人脸识别的研究历史 | 第11页 |
| 1.2.2 人脸识别的研究现状 | 第11-12页 |
| 1.3 本文研究内容与章节安排 | 第12-15页 |
| 1.3.1 本文研究内容 | 第12-13页 |
| 1.3.2 各章内容概括如下 | 第13-15页 |
| 第二章 图像的预处理与小波变换 | 第15-31页 |
| 2.1 图像数字化 | 第15-16页 |
| 2.2 人脸图像的预处理与检测 | 第16-18页 |
| 2.3 图像增强处理 | 第18-20页 |
| 2.4 小波变换的提出 | 第20-24页 |
| 2.5 小波基函数选择的依据 | 第24页 |
| 2.6 多分辨分析的引入 | 第24-26页 |
| 2.7 多分辨率分析与尺度函数 | 第26-31页 |
| 第三章 图像的特征提取 | 第31-39页 |
| 3.1 主分量分析法介绍 | 第34-35页 |
| 3.2 图像的向量表示和统计参数 | 第35-37页 |
| 3.3 PCA典型算法 | 第37-38页 |
| 3.4 2D-PCA的引入与意义作用 | 第38-39页 |
| 第四章 人脸识别的分类器 | 第39-49页 |
| 4.1 线性支持向量 | 第43-44页 |
| 4.2 拉格朗日算子法 | 第44-45页 |
| 4.3 对偶问题与KKT定理 | 第45-49页 |
| 第五章 基于数字图像处理与支持向量机的人脸识别算法 | 第49-63页 |
| 5.1 图像初步处理 | 第49-54页 |
| 5.2 特征提取 | 第54-58页 |
| 5.3 分类器的设计 | 第58-63页 |
| 第六章 实验结果与分析 | 第63-67页 |
| 6.1 实验步骤 | 第63页 |
| 6.2 实验结果与分析 | 第63-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1 总结 | 第67页 |
| 7.2 展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录A 硕士期间发表的软件著作权 | 第75页 |