| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第10-16页 |
| ·人脸识别概述 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·文章的主要工作与内容安排 | 第14-16页 |
| 第2章 人脸图像预处理 | 第16-24页 |
| ·人脸图像归一化 | 第16-18页 |
| ·尺度归一化 | 第16-17页 |
| ·灰度归一化 | 第17-18页 |
| ·人脸图像增强 | 第18-23页 |
| ·小波变换的理论基础 | 第18-20页 |
| ·几种常见小波 | 第20-22页 |
| ·图像的小波分解 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 人脸特征提取 | 第24-35页 |
| ·人脸图像的主成分特征和 Fisher 特征分析 | 第24-28页 |
| ·主成分特征分析 | 第24-26页 |
| ·Fisher 特征分析 | 第26-28页 |
| ·传统 Gabor 滤波器组在人脸识别中的应用 | 第28-30页 |
| ·Gabor 滤波器简介 | 第28-30页 |
| ·已有局部 Gabor 滤波器组的应用 | 第30页 |
| ·本文提出的基于能量的局部 Gabor 人脸特征提取方法 | 第30-34页 |
| ·Gabor 特征人脸图像的能量分析 | 第30-31页 |
| ·局部 Gabor 能量滤波器组的设计 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 分类器的选择 | 第35-44页 |
| ·最近邻分类器 | 第35页 |
| ·支持向量机分类器 | 第35-43页 |
| ·最优分类面 | 第36-39页 |
| ·支持向量机(SVM) | 第39-41页 |
| ·支持向量机的常用核函数 | 第41页 |
| ·多类分类的支持向量机 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 实验结果与分析 | 第44-50页 |
| ·人脸识别系统组成 | 第44-45页 |
| ·基于 ORL 人脸库的仿真实验 | 第45-47页 |
| ·特征提取方法比较 | 第45-46页 |
| ·分类器的比较 | 第46-47页 |
| ·基于 AR 人脸库的仿真实验 | 第47-49页 |
| ·特征提取方法比较 | 第47-48页 |
| ·分类器的比较 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| ·论文总结 | 第50页 |
| ·研究展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士学位期间发表的学术论文及科研工作 | 第57-58页 |
| 致谢 | 第58页 |