| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-32页 |
| ·生物特征识别技术 | 第11-14页 |
| ·生物特征识别技术的分类 | 第11-12页 |
| ·生物特征识别技术性能比较 | 第12-13页 |
| ·生物特征识别技术发展前景 | 第13-14页 |
| ·人脸识别技术 | 第14-18页 |
| ·人脸识别的研究内容 | 第14-15页 |
| ·自动人脸识别的技术难点 | 第15-17页 |
| ·人脸识别系统性能评价指标 | 第17-18页 |
| ·多生物特征融合识别 | 第18-30页 |
| ·多模态人脸图像融合识别的研究背景及意义 | 第21-25页 |
| ·多模态人脸融合识别的研究现状 | 第25-30页 |
| ·本文的主要工作 | 第30-31页 |
| ·本文的结构安排 | 第31-32页 |
| 2 人脸识别的研究现状及其主要理论方法 | 第32-50页 |
| ·人脸识别研究历史概述及国内外研究现状 | 第32-35页 |
| ·人脸识别主要理论方法概述 | 第35-43页 |
| ·基于几何特征方法 | 第35页 |
| ·基于模板匹配的方法 | 第35-36页 |
| ·基于子空间分析的方法 | 第36-40页 |
| ·基于机器学习的方法 | 第40-41页 |
| ·基于模型的方法 | 第41-42页 |
| ·基于局部特征的方法 | 第42-43页 |
| ·人脸识别图像库 | 第43-45页 |
| ·人脸识别算法评测与竞赛 | 第45-49页 |
| ·小结 | 第49-50页 |
| 3 基于Fisher线性判别和典型相关分析的多模态人脸特征融合 | 第50-67页 |
| ·引言 | 第50-52页 |
| ·前人的工作 | 第52-57页 |
| ·Fisher线性鉴别分析(FLDA) | 第52-53页 |
| ·典型相关分析(CCA) | 第53-55页 |
| ·FLDA与CCA之间的联系 | 第55-57页 |
| ·基于Fisher线性鉴别的典型相关分析(FLDA+CCA) | 第57-58页 |
| ·高维小样本情况下的讨论 | 第58-60页 |
| ·实验 | 第60-66页 |
| ·训练与测试图像中包含表情变化 | 第63-64页 |
| ·训练与测试图像中包含光照变化 | 第64-66页 |
| ·小结 | 第66-67页 |
| 4 多模态人脸非均匀局部特征融合 | 第67-77页 |
| ·引言 | 第67页 |
| ·遗传算法 | 第67-68页 |
| ·遗传算法的基本思想 | 第67页 |
| ·基本遗传算法 | 第67-68页 |
| ·基于遗传算法的多模态人脸图像非均匀局部特征抽取 | 第68-73页 |
| ·分块算法 | 第69-70页 |
| ·非均匀子图像块的选取 | 第70-71页 |
| ·个体编码 | 第71-72页 |
| ·适应度函数 | 第72页 |
| ·选择 | 第72页 |
| ·交叉和变异算子 | 第72-73页 |
| ·特征抽取 | 第73页 |
| ·实验 | 第73-76页 |
| ·训练与测试图像中包含表情变化 | 第74页 |
| ·训练与测试图像中包含光照变化 | 第74-76页 |
| ·小结 | 第76-77页 |
| 5 融合多模态人脸信息的双阈值分类器 | 第77-94页 |
| ·引言 | 第77页 |
| ·常用的分值匹配层融合方法 | 第77-79页 |
| ·基于双阈值分类器的决策融合 | 第79-86页 |
| ·Dempster-Shafer证据理论 | 第79-81页 |
| ·模式空间中确定区域(CR)与不确定区域（UR)的划分 | 第81-83页 |
| ·对不确定区域内样本的Fisher线性判别分析 | 第83-85页 |
| ·分类器设计 | 第85-86页 |
| ·实验 | 第86-93页 |
| ·在NDHID人脸数据库上的实验 | 第87-89页 |
| ·在Equinox人脸数据库上的实验 | 第89-92页 |
| ·讨论 | 第92-93页 |
| ·小结 | 第93-94页 |
| 6 结论与展望 | 第94-96页 |
| ·本文工作总结 | 第94-95页 |
| ·对未来工作的展望 | 第95-96页 |
| 参考文献 | 第96-107页 |
| 攻读博士学位期间发表学术论文情况 | 第107-108页 |
| 攻读博士学位期间参与的课题与项目 | 第108-109页 |
| 致谢 | 第109-111页 |
| 作者简介 | 第111-112页 |
