| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 人脸识别研究现状 | 第11-12页 |
| 1.2.2 姿态偏转问题的研究现状 | 第12-13页 |
| 1.3 本文的主要贡献与创新 | 第13-14页 |
| 1.4 本论文的结构安排 | 第14-15页 |
| 第二章 CANDIDE-3 模型与人脸图像配准方法研究 | 第15-35页 |
| 2.1 人脸识别一般过程 | 第15页 |
| 2.2 人脸图像预处理 | 第15-16页 |
| 2.2.1 几何归一化 | 第16页 |
| 2.2.2 图像的降噪处理 | 第16页 |
| 2.3 ASM算法介绍 | 第16-23页 |
| 2.3.1 标记训练样本 | 第16-17页 |
| 2.3.2 训练样本对齐 | 第17-19页 |
| 2.3.3 建立统计形状模型 | 第19-20页 |
| 2.3.4 建立局部纹理模型 | 第20-21页 |
| 2.3.5 搜索过程 | 第21-23页 |
| 2.4 AAM算法介绍 | 第23-28页 |
| 2.4.1 分段线性仿射 | 第23-24页 |
| 2.4.2 Shape模型的建立 | 第24-25页 |
| 2.4.3 Texture模型的建立 | 第25页 |
| 2.4.4 Appearance模型的建立 | 第25-26页 |
| 2.4.5 AAM模型实例的生成 | 第26页 |
| 2.4.6 AAM的拟合算法 | 第26-28页 |
| 2.5 三维人脸模型Candide-3 简介 | 第28-29页 |
| 2.6 姿态估计 | 第29-31页 |
| 2.6.1 基于ASM和AAM的关键特征点定位方法 | 第29-30页 |
| 2.6.2 姿态估计 | 第30-31页 |
| 2.7 深度坐标估计 | 第31-32页 |
| 2.8 Candide-3 模型与人脸图像配准方法 | 第32-34页 |
| 2.9 本章小结 | 第34-35页 |
| 第三章 基于纹理合成和CANDIDE-3 的人脸图像姿态矫正方法 | 第35-60页 |
| 3.1 纹理合成方法简介 | 第35页 |
| 3.2 基于样图的纹理合成方法 | 第35-43页 |
| 3.2.1 合成整张纹理 | 第36-38页 |
| 3.2.2 约束纹理合成 | 第38-43页 |
| 3.3 人脸图像姿态矫正方法 | 第43-59页 |
| 3.4 本章小结 | 第59-60页 |
| 第四章 基于PCANET的人脸识别算法 | 第60-69页 |
| 4.1 基于PCANet-2 的分块人脸识别方法 | 第60-63页 |
| 4.1.1 PCANet-2 网络结构 | 第60-62页 |
| 4.1.2 分块思想 | 第62-63页 |
| 4.2 人脸识别实验 | 第63-68页 |
| 4.2.1 分块的PCANet-2 方法实验 | 第64-67页 |
| 4.2.2 姿态矫正实验 | 第67-68页 |
| 4.3 本章小结 | 第68-69页 |
| 第五章 全文总结与展望 | 第69-70页 |
| 5.1 全文总结 | 第69页 |
| 5.2 后续工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的成果 | 第75-76页 |
