| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景及意义 | 第11页 |
| ·国内外研究现状及发展趋势 | 第11-14页 |
| ·人脸识别的研究现状及发展趋势 | 第11-13页 |
| ·神经网络的研究现状及发展趋势 | 第13-14页 |
| ·主要工作及章节安排 | 第14-16页 |
| ·研究内容及创新点 | 第14-15页 |
| ·组织结构 | 第15-16页 |
| 第二章 人脸识别系统概述 | 第16-23页 |
| ·人脸识别系统的组成 | 第16-17页 |
| ·人脸识别的方法 | 第17-20页 |
| ·基于几何特征的人脸识别方法 | 第17-18页 |
| ·基于模板匹配的人脸识别方法 | 第18页 |
| ·基于代数特征的人脸识别方法 | 第18页 |
| ·基于隐马尔可夫模型的人脸识别方法 | 第18-19页 |
| ·基于神经网络的人脸识别方法 | 第19-20页 |
| ·特征脸方法 | 第20页 |
| ·基于SVM 的人脸识别算法 | 第20页 |
| ·人脸识别的问题描述 | 第20-21页 |
| ·人脸数据库简介 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于小波变换和改进 CPN 网络的人脸识别方法 | 第23-37页 |
| ·对偶传播神经网络运行原理及学习算法 | 第23-26页 |
| ·网络结构及运行原理 | 第23-25页 |
| ·CPN 的学习算法 | 第25-26页 |
| ·小波变换 | 第26-29页 |
| ·小波变换技术的发展 | 第26页 |
| ·小波变换的原理 | 第26-29页 |
| ·基于小波变换和改进 CPN 网络的识别方法 | 第29-36页 |
| ·算法思想 | 第29页 |
| ·算法流程 | 第29-31页 |
| ·实验样本数据 | 第31-35页 |
| ·实验结果及分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于 DCT 的加权2DPCA 及神经网络集成的人脸识别方法 | 第37-51页 |
| ·人脸的离散余弦变换 | 第37-39页 |
| ·离散余弦变换 | 第37-38页 |
| ·人脸图像的离散余弦变换特征提取 | 第38-39页 |
| ·人脸图像的加权二维主成分分析 | 第39-45页 |
| ·PCA 方法原理概述 | 第39-41页 |
| ·一维PCA 人脸识别算法 | 第41-42页 |
| ·二维PCA 人脸识别算法 | 第42-43页 |
| ·基于加权的二维PCA 人脸识别算法 | 第43-45页 |
| ·BP 神经网络的集成 | 第45-48页 |
| ·BP 网络 | 第45-46页 |
| ·集成BP 网络 | 第46-48页 |
| ·人脸识别系统的实现 | 第48-49页 |
| ·DCT 变换 | 第48页 |
| ·加权2DPCA 的特征提取 | 第48-49页 |
| ·集成BP 神经网络的分类器 | 第49页 |
| ·实验结果及分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表的论文和参与的项目 | 第57页 |