| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 1 引言 | 第7-12页 |
| 1.1 人脸识别的研究背景 | 第7-9页 |
| 1.2 人脸识别技术的应用 | 第9-10页 |
| 1.3 人脸识别技术的主要问题 | 第10页 |
| 1.4 人脸识别研究现状及难点 | 第10-11页 |
| 1.5 论文内容的安排 | 第11-12页 |
| 2 人脸图像预处理方法 | 第12-22页 |
| 2.1 人脸图像的灰度化处理 | 第12-14页 |
| 2.2 人脸图像的平滑去噪 | 第14-16页 |
| 2.2.1 均值滤波 | 第14-15页 |
| 2.2.2 中值滤波 | 第15页 |
| 2.2.3 维纳滤波 | 第15-16页 |
| 2.3 人脸图像的归—化处理 | 第16-18页 |
| 2.3.1 几何归—化 | 第16-17页 |
| 2.3.2 灰度归—化 | 第17-18页 |
| 2.4 人脸识别测试数据库 | 第18-21页 |
| 2.5 人脸识别的评价标准 | 第21-22页 |
| 2.5.1 识别准确率 | 第21页 |
| 2.5.2 识别时间 | 第21-22页 |
| 3 基于小波分析的图像处理技术 | 第22-30页 |
| 3.1 小波变换 | 第22-23页 |
| 3.2 提升小波 | 第23-25页 |
| 3.2.1 提升小波的背景介绍 | 第23-24页 |
| 3.2.2 提升算法 | 第24-25页 |
| 3.3 人脸识别的整体过程 | 第25-30页 |
| 4 基于非负矩阵分解的人脸识别技术 | 第30-37页 |
| 4.1 非负矩阵分解算法 | 第30页 |
| 4.2 基于基本NMF模型的算法 | 第30-31页 |
| 4.3 函数收敛性的证明 | 第31-32页 |
| 4.4 基于目标函数的NMF算法 | 第32-34页 |
| 4.4.1 基于β散度的算法 | 第32-33页 |
| 4.4.2 基于α散度的算法 | 第33页 |
| 4.4.3 基于Bregman散度的算法 | 第33-34页 |
| 4.5 常见的非负矩阵算法 | 第34-36页 |
| 4.5.1 标准NMF | 第34页 |
| 4.5.2 LNMF | 第34-35页 |
| 4.5.3 NNSC | 第35页 |
| 4.5.4 SNMF | 第35-36页 |
| 4.6 NMF有待解决的问题及研究趋势 | 第36-37页 |
| 5 基于小波分析的NMF人脸识别系统的实现 | 第37-44页 |
| 5.1 人脸识别基本步骤 | 第37页 |
| 5.2 实验步骤 | 第37-40页 |
| 5.3 基于ORL和YALE人脸库的实验结论及分析 | 第40-44页 |
| 5.3.1 实验说明及实验环境 | 第40页 |
| 5.3.2 样本数m对人脸识别率的影响 | 第40-42页 |
| 5.3.3 基图像维数r对人脸识别率的影响 | 第42-44页 |
| 6 总结 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |