| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究背景、意义 | 第9-10页 |
| 1.1.1 课题研究背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.2.3 面临的主要困难 | 第14-15页 |
| 1.3 人脸数据库介绍 | 第15-17页 |
| 1.4 本文的研究内容和架构 | 第17-19页 |
| 第2章 基于Gabor小波的人脸特征提取方法研究 | 第19-46页 |
| 2.1 Gabor小波变换 | 第19-24页 |
| 2.1.1 二维Gabor小波 | 第19-22页 |
| 2.1.2 基于Gabor小波的人脸特征提取 | 第22-24页 |
| 2.2 基于Gabor的改进PCA人脸特征提取方法研究 | 第24-30页 |
| 2.2.1 主成分分析法PCA | 第24-27页 |
| 2.2.2 直方图增强主成分分析HPCA | 第27-28页 |
| 2.2.3 基于Gabor的改进PCA人脸特征提取方法 | 第28-30页 |
| 2.3 基于Gabor的改进2DPCA人脸特征提取方法研究 | 第30-34页 |
| 2.3.1 矩阵主成分分析2DPCA | 第30-32页 |
| 2.3.2 直方图增强矩阵主成分分析H2DPCA | 第32-33页 |
| 2.3.3 基于Gabor的改进2DPCA人脸特征提取方法 | 第33-34页 |
| 2.4 实验结果分析 | 第34-46页 |
| 2.4.1 不同维数下基于YaleA库的识别率分析 | 第35-38页 |
| 2.4.2 不同维数下基于ORL库的识别率分析 | 第38-41页 |
| 2.4.3 不同样本数下基于YaleA库的识别率分析 | 第41-43页 |
| 2.4.4 不同样本数下基于ORL库的识别率分析 | 第43-46页 |
| 第3章 基于Gabor幅值相位统计特性的人脸特征提取方法研究 | 第46-63页 |
| 3.1 基于Gabor幅值统计特性人脸特征提取方法 | 第46-51页 |
| 3.1.1 幅值特性分析 | 第47-49页 |
| 3.1.2 线性判别分析 | 第49-50页 |
| 3.1.3 算法流程 | 第50-51页 |
| 3.2 加入相位改进Gabor幅值统计人脸特征提取方法 | 第51-55页 |
| 3.2.1 相位特性分析 | 第51-53页 |
| 3.2.2 算法流程 | 第53-55页 |
| 3.3 实验结果分析 | 第55-63页 |
| 3.3.1 不同分块数下基于YaleA库的相位影响分析 | 第55-57页 |
| 3.3.2 不同分块数下基于ORL库的相位影响分析 | 第57-59页 |
| 3.3.3 不同Gabor参数下基于YaleA库的相位影响分析 | 第59-61页 |
| 3.3.4 不同Gabor参数下基于ORL库的相位影响分析 | 第61-62页 |
| 3.3.5 不同样本数下相位影响分析 | 第62-63页 |
| 第4章 总结与展望 | 第63-65页 |
| 4.1 总结 | 第63-64页 |
| 4.2 展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
