| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 人脸识别的研究现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 人脸识别相关技术 | 第13-20页 |
| 2.1 人脸检测 | 第13-15页 |
| 2.1.1 人脸图像的预处理 | 第13-14页 |
| 2.1.2 人脸图像检测面临的问题 | 第14-15页 |
| 2.2 人脸图像的特征提取 | 第15-17页 |
| 2.2.1 DCT特征提取 | 第16页 |
| 2.2.2 ICA特征提取 | 第16-17页 |
| 2.3 人脸图像识别性能评价指标 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 Gabor-LDA特征提取融合和KNN分类器 | 第20-31页 |
| 3.1 降维算法 | 第20-21页 |
| 3.1.1 主成分分析算法(PCA) | 第20页 |
| 3.1.2 线性判别分析(LDA) | 第20-21页 |
| 3.2 基于Gabor-LDA特征融合方法 | 第21-26页 |
| 3.2.1 Gabor特征提取 | 第21-22页 |
| 3.2.2 特征的选择 | 第22-23页 |
| 3.2.3 三种低分辨率的融合方案 | 第23-26页 |
| 3.3 基于相关系数的KNN分类算法(RKNN) | 第26-30页 |
| 3.3.1 k-近邻分类器 | 第26-27页 |
| 3.3.2 对象间相似性度量 | 第27-29页 |
| 3.3.3 相关系数KNN算法描述 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 实验及结果分析 | 第31-45页 |
| 4.1 实验环境 | 第31页 |
| 4.2 人脸数据库 | 第31-34页 |
| 4.3 ORL实验 | 第34-36页 |
| 4.4 YALE实验 | 第36-37页 |
| 4.5 AR实验 | 第37-39页 |
| 4.6 原型系统的实现 | 第39-44页 |
| 4.7 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |