| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 国外研究成果 | 第10-12页 |
| 1.2.2 国内研究成果 | 第12-13页 |
| 1.3 人脸识别过程 | 第13页 |
| 1.4 论文研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-16页 |
| 第二章 人脸图像预处理 | 第16-24页 |
| 2.1 引言 | 第16页 |
| 2.2 图像归一化 | 第16-20页 |
| 2.2.1 非线性灰度变化 | 第17页 |
| 2.2.2 图像二值化 | 第17-18页 |
| 2.2.3 标记人脸 | 第18-19页 |
| 2.2.4 脸部区域定位实验结果 | 第19-20页 |
| 2.3 光照补偿 | 第20-23页 |
| 2.3.1 基于均值和方差的光照补偿算法 | 第20-21页 |
| 2.3.2 基于单尺度Retinex算法的光照补偿算法 | 第21-22页 |
| 2.3.3 光照补偿算法实验结果与分析 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 人脸图像LBP特征提取 | 第24-32页 |
| 3.1 引言 | 第24页 |
| 3.2 特征提取方法研究现状 | 第24-25页 |
| 3.3 局部二值模式LBP | 第25-29页 |
| 3.3.1 局部二值模式的计算方法 | 第25-26页 |
| 3.3.2 LBP的基本特性 | 第26-28页 |
| 3.3.3 LBP特征提取方式 | 第28-29页 |
| 3.4 人脸特征提取实验结果与分析 | 第29-31页 |
| 3.4.1 实验数据 | 第29-30页 |
| 3.4.2 实验分析 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 高斯过程分类模型 | 第32-45页 |
| 4.1 引言 | 第32页 |
| 4.2 基于高斯过程的二元分类 | 第32-33页 |
| 4.3 拉普拉斯近似 | 第33-35页 |
| 4.4 基于高斯模型的人脸识别 | 第35-37页 |
| 4.5 实验结果与分析 | 第37-43页 |
| 4.5.1 实验数据 | 第37-38页 |
| 4.5.2 基于GP-FC的表情变化人脸识别实验结果与分析 | 第38-40页 |
| 4.5.3 基于SSR和GP-FC的光照变化人脸识别实验结果与分析 | 第40-42页 |
| 4.5.4 基于GP-FC的姿态变化人脸识别实验结果与分析 | 第42-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
