| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·人脸识别的研究背景及意义 | 第8-9页 |
| ·人脸识别的研究背景 | 第8页 |
| ·人脸识别的研究意义 | 第8-9页 |
| ·人脸识别的国内外研究现状 | 第9-10页 |
| ·人脸识别的研究内容 | 第10页 |
| ·人脸识别的主要方法 | 第10-12页 |
| ·基于几何特征的人脸识别 | 第10-11页 |
| ·基于模板匹配的人脸识别 | 第11页 |
| ·基于代数特征的人脸识别 | 第11页 |
| ·基于隐马尔可夫模型的人脸识别 | 第11-12页 |
| ·基于神经网络的人脸识别 | 第12页 |
| ·基于 3-D 模型的人脸识别 | 第12页 |
| ·人脸自动识别系统 | 第12-14页 |
| ·本文主要工作及章节安排 | 第14-16页 |
| ·论文主要工作 | 第14页 |
| ·论文章节安排 | 第14-16页 |
| 2 基于主成分分析的人脸识别 | 第16-23页 |
| ·主成分分析算法 | 第16-18页 |
| ·K-L 变换的基本原理 | 第16页 |
| ·K-L 变换的算法流程 | 第16-17页 |
| ·典型 PCA 算法 | 第17-18页 |
| ·基于 PCA 的人脸识别 | 第18-21页 |
| ·基本原理 | 第18-20页 |
| ·基于 PCA 的人脸识别 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 3 基于二维 Gabor 小波变换的人脸特征提取 | 第23-30页 |
| ·Gabor 小波 | 第23-26页 |
| ·Gabor 小波的特点 | 第23页 |
| ·Gabor 小波变换 | 第23-26页 |
| ·Gabor 人脸特征提取 | 第26-29页 |
| ·Gabor 滤波器组参数的选择和意义 | 第26-28页 |
| ·人脸的 Gabor 特征提取 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 基于 PCA 和二维 Gabor 小波变换的人脸识别 | 第30-41页 |
| ·人脸检测与定位 | 第30-36页 |
| ·Adaboost 算法 | 第30-32页 |
| ·改进的人脸检测与定位算法 | 第32-34页 |
| ·人脸图像预处理 | 第34-36页 |
| ·人脸特征提取 | 第36-38页 |
| ·全局特征提取 | 第36-37页 |
| ·局部特征提取 | 第37-38页 |
| ·双层分类器的建立 | 第38-40页 |
| ·全局和局部分类器的构建 | 第38-39页 |
| ·由粗到精的分类策略 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 实验仿真及结果分析 | 第41-49页 |
| ·实验设置及过程 | 第41-43页 |
| ·软硬件环境 | 第43-44页 |
| ·人脸数据库上的仿真实验 | 第44-47页 |
| ·测试数据库介绍 | 第44-45页 |
| ·本文算法在数据库中的仿真结果及分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 6 总结与展望 | 第49-51页 |
| ·本文工作总结 | 第49页 |
| ·展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-53页 |