| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究的背景及意义 | 第11-14页 |
| ·课题研究的背景 | 第11页 |
| ·人脸识别技术的优势与难点 | 第11-13页 |
| ·人脸识别研究的意义及发展趋势 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文的研究内容及思路 | 第15-16页 |
| ·论文结构安排 | 第16-17页 |
| 第2章 人脸识别系统架构 | 第17-33页 |
| ·人脸图像预处理 | 第17-23页 |
| ·灰度变换 | 第17-19页 |
| ·直方图均衡化 | 第19-20页 |
| ·图像的几何校正 | 第20-21页 |
| ·图像滤波 | 第21-23页 |
| ·特征提取与识别方法综述 | 第23-27页 |
| ·基于知识的人脸识别 | 第23-24页 |
| ·基于代数特征的人脸识别 | 第24-25页 |
| ·基于机器学习的人脸识别 | 第25-27页 |
| ·基于压缩感知的人脸识别 | 第27页 |
| ·人脸识别系统性能分析 | 第27-29页 |
| ·识别系统的要求 | 第27-28页 |
| ·算法性能评判指标 | 第28-29页 |
| ·人脸数据库介绍 | 第29-32页 |
| ·国内人脸数据库 | 第29-30页 |
| ·国外人脸数据库 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于主成分分析的人脸特征提取 | 第33-49页 |
| ·引言 | 第33页 |
| ·PCA 方法原理 | 第33-37页 |
| ·K-L 变换 | 第33-36页 |
| ·奇异值定理 | 第36-37页 |
| ·分类器设计 | 第37-38页 |
| ·最近邻分类器 | 第37-38页 |
| ·K 近邻分类器 | 第38页 |
| ·基于特征脸(Eigenface)的特征提取 | 第38-43页 |
| ·特征脸方法 | 第39-42页 |
| ·特征脸方法的优点与不足 | 第42-43页 |
| ·实验结果及分析 | 第43-47页 |
| ·ORL 人脸库中实验 | 第43-44页 |
| ·Yale 人脸库中实验 | 第44-46页 |
| ·加入拒识情况分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 基于特征脸的稀疏表示人脸识别 | 第49-59页 |
| ·引言 | 第49页 |
| ·人脸图像的稀疏表示 | 第49-53页 |
| ·人脸图像的稀疏表示模型 | 第49-50页 |
| ·稀疏表示系数的求解 | 第50-51页 |
| ·稀疏表示的分类规则 | 第51-53页 |
| ·基于特征脸的稀疏表人脸识别 | 第53-54页 |
| ·图像下采样 | 第53-54页 |
| ·基于特征脸的稀疏表示人脸识别 | 第54页 |
| ·实验结果及其分析 | 第54-57页 |
| ·Extended YaleB 人脸库下实验 | 第54-56页 |
| ·AR 人脸库下实验 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第5章 基于局部特征的稀疏表示人脸识别 | 第59-73页 |
| ·引言 | 第59-60页 |
| ·二维 Gabor 小波变换 | 第60-62页 |
| ·Gabor 小波核函数 | 第60-61页 |
| ·人脸图像的 Gabor 小波特征 | 第61-62页 |
| ·二维 Gabor 滤波器对人脸图像的响应特性 | 第62-64页 |
| ·位置响应 | 第63页 |
| ·边缘响应 | 第63-64页 |
| ·亮度响应 | 第64页 |
| ·基于 Gabor 小波能量子带分块的稀疏表示人脸识别 | 第64-67页 |
| ·Gabor 小波能量子带分块 | 第64-66页 |
| ·基于 Gabor 小波能量子带分块的稀疏表示人脸识别 | 第66-67页 |
| ·实验结果及其分析 | 第67-72页 |
| ·Extended YaleB 人脸库下实验 | 第67-69页 |
| ·AR 人脸库下实验 | 第69页 |
| ·算法复杂度对比 | 第69-70页 |
| ·算法性能分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 作者简介 | 第81页 |