| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| 1．1 人脸识别的研究概况 | 第7-9页 |
| 1．2 本文研究内容总述 | 第9-10页 |
| 第二章 人脸自动识别系统及人脸识别的一般方法 | 第10-31页 |
| 2．1 人脸自动识别系统 | 第10-11页 |
| 2．2 人脸检测的方法 | 第11-22页 |
| 2．2．1 基于统计的人脸检测方法 | 第11-13页 |
| 2．2．2 基于知识建模的人脸检测方法 | 第13-15页 |
| 2．2．3 基于各种模型组合的人脸检测方法 | 第15-17页 |
| 2．2．4 人脸定位算法 | 第17-22页 |
| 2．3 人脸图像的预处理 | 第22-27页 |
| 2．3．1 原始图像的预处理 | 第22-25页 |
| 2．3．2 脸部图像的预处理 | 第25-27页 |
| 2．4 人脸识别的一般方法 | 第27-31页 |
| 2．4．1 本征脸法 | 第27-29页 |
| 2．4．2 神经网络法 | 第29页 |
| 2．4．3 弹性匹配法 | 第29-31页 |
| 第三章 图像特征的选择与提取 | 第31-38页 |
| 3．1 主分量分析法（PCA） | 第31-32页 |
| 3．2 图像的主分量分析法（IMPCA） | 第32-34页 |
| 3．3 图像的主分量分析法的推广 | 第34-36页 |
| 3．4 图像的主分量分析法实验 | 第36-38页 |
| 第四章 采用贡献矩阵的核子空间方法及其人脸识别研究 | 第38-52页 |
| 4．1 贡献矩阵的概念 | 第39-41页 |
| 4．1．1 经验分析法 | 第39-40页 |
| 4．1．2 基于结构分析的统计方法 | 第40-41页 |
| 4．1．3 反向优化算法 | 第41页 |
| 4．2 线性子空间分类器 | 第41-44页 |
| 4．3 在核空间的分类 | 第44-46页 |
| 4．4 局部核子空间的分类器 | 第46-48页 |
| 4．5 人脸图像的识别实验 | 第48-52页 |
| 4．5．1 使用贡献矩阵的子空间分类器实验 | 第48-49页 |
| 4．5．2 使用贡献矩阵的核子空间分类器实验 | 第49-50页 |
| 4．5．3 局部核子空间分类器实验 | 第50-52页 |
| 第五章 总结与进一步工作 | 第52-54页 |
| 5．1 本文的主要工作 | 第52页 |
| 5．2 后续研究工作 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |