| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·课题研究的背景及意义 | 第9-11页 |
| ·主要的技术难题 | 第11页 |
| ·常见的人脸识别方法 | 第11-15页 |
| ·基于几何特征的方法 | 第11-12页 |
| ·基于统计特征的方法 | 第12-13页 |
| ·基于核函数的方法 | 第13-14页 |
| ·基于模型的方法 | 第14-15页 |
| ·基于神经网络的方法 | 第15页 |
| ·人脸识别的研究历史和状况 | 第15-18页 |
| ·课题的研究内容 | 第18-19页 |
| 第2章 图像预处理 | 第19-31页 |
| ·图像的平滑去噪 | 第19-22页 |
| ·噪声类型 | 第19-20页 |
| ·图像的去噪方法 | 第20-22页 |
| ·图像增强 | 第22-24页 |
| ·直方图的概念 | 第22-23页 |
| ·直方图均衡化 | 第23-24页 |
| ·尺寸归一化 | 第24-26页 |
| ·图像的光照补偿 | 第26-28页 |
| ·图像分割 | 第28-30页 |
| ·图像的二值化 | 第28-29页 |
| ·灰度图像的信息熵 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于全局与小域Gabor 小波的特征提取与融合 | 第31-51页 |
| ·小波变换 | 第31-34页 |
| ·小波变换及多分辨率分析 | 第31-33页 |
| ·二维小波变换 | 第33-34页 |
| ·图像空间的小波分解 | 第34-37页 |
| ·Gabor 小波 | 第37-41页 |
| ·Gabor 小波构造原理 | 第37-38页 |
| ·Gabor 小波的特性 | 第38-39页 |
| ·一维Gabor 小波 | 第39页 |
| ·二维Gabor 小波 | 第39-41页 |
| ·人脸图像的Gabor 特征 | 第41-49页 |
| ·Gabor 特征提取 | 第41-42页 |
| ·Gabor 特征的能量选择性降维 | 第42-44页 |
| ·关键点的选取 | 第44-46页 |
| ·主成分分析二次特征选择 | 第46-48页 |
| ·特征提取流程 | 第48-49页 |
| ·全局与小域特征融合 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于支持向量机的人脸识别 | 第51-67页 |
| ·支持向量机 | 第51-56页 |
| ·线性支持向量机 | 第51-54页 |
| ·非线性支持向量机 | 第54-55页 |
| ·核函数的选择 | 第55-56页 |
| ·支持向量机的参数选择 | 第56-62页 |
| ·参数选择方法 | 第56-57页 |
| ·微粒群算法 | 第57-60页 |
| ·基于微粒群算法的参数选择 | 第60-62页 |
| ·基于二叉树的分类决策 | 第62-63页 |
| ·支持向量机的训练速度 | 第63-64页 |
| ·支持向量机的分类速度 | 第64页 |
| ·实验结果分析 | 第64-66页 |
| ·小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 作者简介 | 第76页 |