| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 人脸识别及其算法的研究现状 | 第11-14页 |
| 1.2.1 人脸识别的国内外研究现状 | 第11-12页 |
| 1.2.2 复杂光照对人脸识别的影响 | 第12-14页 |
| 1.3 课题研究内容 | 第14-15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 第2章 人脸识别算法相关理论和技术 | 第16-21页 |
| 2.1 人脸识别系统 | 第16-17页 |
| 2.2 复杂光照预处理方法 | 第17-20页 |
| 2.2.1 光照变化模型 | 第17-18页 |
| 2.2.2 光照不变量法 | 第18-19页 |
| 2.2.3 光照归一化法 | 第19-20页 |
| 2.3 常用人脸识别图像库简介 | 第20-21页 |
| 2.3.1 耶鲁人脸图像库 | 第20页 |
| 2.3.2 扩展耶鲁B人脸的图像库 | 第20页 |
| 2.3.3 卡耐基梅隆大学PIE人脸图像库 | 第20页 |
| 2.3.4 户外ORL人脸图像库 | 第20-21页 |
| 第3章 基于多阈值OTSU分割的自适应GAMMA校正算法 | 第21-29页 |
| 3.1 算法设计流程 | 第21-24页 |
| 3.1.1 多阈值OTSU分割算法 | 第21-23页 |
| 3.1.2 自适应Gamma校正算法 | 第23-24页 |
| 3.2 算法实验结果分析 | 第24-28页 |
| 3.2.1 图像处理结果分析 | 第24-25页 |
| 3.2.2 图像质量评价 | 第25-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 基于朗伯光照模型的人脸图像增强算法 | 第29-44页 |
| 4.1 朗伯光照模型分析 | 第29-30页 |
| 4.2 MSR算法分析 | 第30-32页 |
| 4.2.1 MSR算法简介 | 第30-31页 |
| 4.2.2 MSR算法的验证分析 | 第31-32页 |
| 4.3 SQI算法分析 | 第32-35页 |
| 4.3.1 SQI算法简介 | 第32-34页 |
| 4.3.2 SQI算法的验证分析 | 第34-35页 |
| 4.4 WT算法分析 | 第35-42页 |
| 4.4.1 WT算法简介 | 第35-40页 |
| 4.4.2 WT算法验证分析 | 第40-42页 |
| 4.5 本章小结 | 第42-44页 |
| 第5章 基于CURVELET变换和RETINEX理论的人脸识别算法 | 第44-56页 |
| 5.1 CURVELET变换理论及其实现 | 第44-48页 |
| 5.1.1 Curvelet变换 | 第45-46页 |
| 5.1.2 快速Curvelet变换 | 第46-47页 |
| 5.1.3 Curvelet变换系数分析 | 第47-48页 |
| 5.2 基于CURVELET变换和RETINEX理论的光照不变特征提取方法 | 第48-52页 |
| 5.2.1 低频子带双边滤波平滑处理 | 第50-51页 |
| 5.2.2 高频子带阈值去噪处理 | 第51-52页 |
| 5.3 算法结果分析 | 第52-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第6章 结论与展望 | 第56-58页 |
| 6.1 结论 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62页 |
