| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-20页 |
| ·论文的研究背景及意义 | 第9-10页 |
| ·人脸识别技术发展概况 | 第10-19页 |
| ·人脸识别技术的发展过程 | 第10-12页 |
| ·人脸识别技术的研究现状 | 第12-18页 |
| ·人脸识别目前的技术困难 | 第18-19页 |
| ·论文的主要工作 | 第19-20页 |
| 第二章 SIFT 基本原理及应用 | 第20-32页 |
| ·特征匹配基础概述 | 第20-30页 |
| ·SIFT 特征匹配算法 | 第21-22页 |
| ·图像的多尺度表示 | 第22-24页 |
| ·尺度空间参数分析 | 第24-25页 |
| ·空间极值点检测 | 第25-26页 |
| ·边缘响应的去除 | 第26-27页 |
| ·关键点方向分配 | 第27-28页 |
| ·特征点描述子生成 | 第28-29页 |
| ·SIFT 特征匹配算法的应用 | 第29-30页 |
| ·匹配评价标准 | 第30页 |
| ·小结与分析 | 第30-32页 |
| 第三章 基于SIFT 算子的改进人脸识别方法 | 第32-45页 |
| ·概述 | 第32页 |
| ·提取人脸图像SIFT 关键点 | 第32-34页 |
| ·人脸SIFT 特征聚类匹配 | 第34-40页 |
| ·基于SIFT 特征的K-means 聚类方法 | 第34-36页 |
| ·基于SIFT 向量空间的相似度匹配 | 第36-37页 |
| ·改进的向量空间相似度计算方法 | 第37-38页 |
| ·改进的权重值计算分配方法 | 第38-39页 |
| ·改进的全局相似度计算方法 | 第39-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·SIFT 特征点聚类分析 | 第40-43页 |
| ·权重值相似度分析 | 第41-42页 |
| ·算法改进分析 | 第42-43页 |
| ·识别率对比分析 | 第43页 |
| ·小结 | 第43-45页 |
| 第四章 基于GLOH 维度优化的人脸识别 | 第45-49页 |
| ·GLOH 基本原理 | 第45-49页 |
| ·基于GLOH 维度优化的人脸识别 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第五章 结论与工作展望 | 第49-51页 |
| ·结论 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录 A (攻读硕士学位期间参加项目及投发的论文) | 第56页 |