| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 国内外的研究现状与展望 | 第11-14页 |
| 1.3 课题来源及论文结构 | 第14-16页 |
| 1.3.1 课题来源及主要研究内容 | 第14-15页 |
| 1.3.2 论文章节安排 | 第15-16页 |
| 第2章 相关理论与技术 | 第16-24页 |
| 2.1 主成分分析 | 第16-17页 |
| 2.2 图像滤波的常见方法 | 第17-19页 |
| 2.3 特征提取常用方法 | 第19-23页 |
| 2.3.1 基于图像描述符的人脸识别算法 | 第19-21页 |
| 2.3.2 基于图像集的人脸识别算法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 归一化不变的PCA特征提取匹配算法 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 基于PCA的特征脸学习 | 第24-25页 |
| 3.3 归一化不变的PCA特征提取算法分析 | 第25-28页 |
| 3.3.1 归一化不变的PCA特征提取原理分析 | 第25-26页 |
| 3.3.2 归一化不变的PCA特征提取复杂度控制 | 第26-27页 |
| 3.3.3 归一化不变的PCA特征提取匹配算法 | 第27-28页 |
| 3.4 实验结果与分析 | 第28-37页 |
| 3.4.1 归一化不变人脸空间学习 | 第29-33页 |
| 3.4.2 归一化不变的PCA的人脸识别 | 第33-35页 |
| 3.4.3 基于局部描述的归一化不变的PCA的人脸识别 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 多方向多层级双相交模式的特征提取算法 | 第38-52页 |
| 4.1 引言 | 第38-39页 |
| 4.2 双相交模式 | 第39-42页 |
| 4.3 多方向多层级双相交模式 | 第42-45页 |
| 4.3.1 多方向多层级双相交模式提出 | 第42-43页 |
| 4.3.2 多方向多层级双相交模式的实现 | 第43-44页 |
| 4.3.3 多方向多层级双相交模式的人脸匹配 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-51页 |
| 4.4.1 双相交分组实验 | 第46-48页 |
| 4.4.2 双相交模式性能评价 | 第48-50页 |
| 4.4.3 多方向多层级双相交描述符的性能 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 基于图像集的字典学习联合特征提取算法 | 第52-62页 |
| 5.1 引言 | 第52页 |
| 5.2 基于图像集字典学习 | 第52-53页 |
| 5.3 基于图像集的字典学习联合特征提取算法 | 第53-57页 |
| 5.3.1 基于图像集的字典学习联合特征的原理分析 | 第53-56页 |
| 5.3.2 基于图像集的字典学习联合特征提取 | 第56-57页 |
| 5.4 实验结果与分析 | 第57-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间所发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |