| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·引言 | 第7-8页 |
| ·人脸识别系统概述 | 第8-10页 |
| ·人脸识别系统组成 | 第8-9页 |
| ·人脸识别研究的目的和意义 | 第9页 |
| ·人脸识别的基本理论 | 第9-10页 |
| ·人脸识别的效果的评价 | 第10页 |
| ·人脸识别的现状和亟待解决的问题 | 第10-11页 |
| ·本文的主要工作和论文安排 | 第11-12页 |
| 2 小波理论及其在人脸识别中的应用 | 第12-17页 |
| ·小波变换、多分辨率分析概述 | 第12-13页 |
| ·小波简介 | 第12页 |
| ·小波多分辩率分析 | 第12-13页 |
| ·图像小波变换后的信息构成 | 第13-15页 |
| ·图像小波变换后各层子图在人脸识别中的应用 | 第15页 |
| ·二维Gabor小波在人脸识别中的应用 | 第15-17页 |
| 3 数字图像处理的基础知识 | 第17-22页 |
| ·数字图像处理概述 | 第17-18页 |
| ·灰度直方图 | 第18-19页 |
| ·图像分割 | 第19-20页 |
| ·特征提取 | 第20-21页 |
| ·图像识别 | 第21-22页 |
| 4 人脸自动识别的基本方法 | 第22-26页 |
| ·人脸识别的一般方法 | 第22-23页 |
| ·人脸识别的难点 | 第23页 |
| ·针对不同应用的两种识别方法 | 第23-24页 |
| ·粗分类识别方法 | 第24页 |
| ·细分类识别方法 | 第24-26页 |
| 5 基于小波低频信息的人脸统计特征识别 | 第26-32页 |
| ·小波变换后低频图像的直方图表示 | 第26-27页 |
| ·识别算法 | 第27-28页 |
| ·小波低频图像的直方图加权平均值的计算(统计特征的获取) | 第28-29页 |
| ·实验结果与讨论 | 第29-32页 |
| 6 基于小波高频子图的人脸识别 | 第32-39页 |
| ·小波高频子图 | 第32-33页 |
| ·小波高频子图特征 | 第33-35页 |
| ·小波高频子图的直方图信息 | 第35-36页 |
| ·识别算法 | 第36-38页 |
| ·识别过程 | 第38-39页 |
| ·识别的实现及识别效果的评价 | 第38页 |
| ·识别过程对人脸图像小波图像高频分量的利用 | 第38-39页 |
| 7 识别示例、实验数据及分析 | 第39-42页 |
| ·实验系统和实验条件 | 第39页 |
| ·权重系数的选取 | 第39页 |
| ·识别效果及演示实验 | 第39-40页 |
| ·实验分析及算法分析 | 第40-42页 |
| 8 结论与展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-48页 |
| 作者攻读硕士学位期间发表的主要论文 | 第48页 |