| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·选题研究背景及意义 | 第9-10页 |
| ·人脸检测研究现状及难点 | 第10-11页 |
| ·常用的人脸检测方法介绍 | 第11-15页 |
| ·论文的主要工作及创新点 | 第15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 二值化纹理提取算法 | 第17-35页 |
| ·图像预处理的重要性 | 第17-18页 |
| ·图像预处理目标分析 | 第18-21页 |
| ·预处理算法 | 第21-29页 |
| ·边缘和凹凸区域处灰度变化性质的研究 | 第22-25页 |
| ·算法证明 | 第25-29页 |
| ·算子具体实现及复杂度分析 | 第29-33页 |
| ·实验证明及结果展示 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于图像形态学的人脸粗检算法 | 第35-42页 |
| ·人脸粗检算法原理 | 第35-37页 |
| ·人脸粗检算法的流程 | 第37-39页 |
| ·人脸粗检实验 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于二值化纹理的主流人脸检测算法实验 | 第42-63页 |
| ·人脸检测结果的评价指标 | 第42页 |
| ·基于二值化纹理的 BP 神经网络人脸检测算法 | 第42-50页 |
| ·BP 神经网络概述 | 第42-44页 |
| ·BP 神经网络的训练 | 第44-48页 |
| ·实验对比 | 第48-50页 |
| ·基于二值化纹理的 GABOR变换与 BP 神经网络人脸检测算法 | 第50-57页 |
| ·GABOR 滤波器概述 | 第50-54页 |
| ·实验对比 | 第54-57页 |
| ·基于二值化纹理的 ADABOOST人脸检测算法 | 第57-62页 |
| ·矩形特征概述 | 第57-58页 |
| ·ADABOOST算法概述 | 第58-61页 |
| ·实验对比 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 总结与展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |