| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 人脸识别技术的研究背景和意义 | 第10-11页 |
| 1.2 人脸识别技术的国内外研究现状 | 第11-13页 |
| 1.3 人脸识别技术的优点和难点 | 第13-14页 |
| 1.4 人脸库介绍 | 第14-16页 |
| 1.5 论文研究内容及安排 | 第16-17页 |
| 第2章 人脸图像特征提取 | 第17-27页 |
| 2.1 人脸特征提取的意义和类别 | 第17-18页 |
| 2.2 主成分分析 | 第18-23页 |
| 2.2.1 K-L变换原理 | 第18-19页 |
| 2.2.2 主成分分析人脸特征提取 | 第19-21页 |
| 2.2.3 PCA人脸特征提取和重构 | 第21-23页 |
| 2.3 Gabor小波变换 | 第23-26页 |
| 2.3.1 Gabor小波的特点 | 第23页 |
| 2.3.2 Gabor小波变换原理 | 第23-25页 |
| 2.3.3 二维Gabor小波人脸特征提取 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 人脸图像分类识别 | 第27-40页 |
| 3.1 分类识别的意义和类别 | 第27-28页 |
| 3.2 K最近邻分类算法 | 第28-29页 |
| 3.3 支持向量机分类算法 | 第29-38页 |
| 3.3.1 VC维理论 | 第30-31页 |
| 3.3.2 结构风险 | 第31-33页 |
| 3.3.3 支持向量机 | 第33-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于Gabor-PCA和KNN-SVM的人脸识别算法 | 第40-50页 |
| 4.1 Gabor-PCA人脸图像特征提取 | 第41-42页 |
| 4.2 KNN-SVM分类识别 | 第42-43页 |
| 4.3 基于Gabor-PCA和KNN-SVM的人脸识别实验方法和结果分析 | 第43-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 基于改进的Gabor-PCA和KNN-SVM的人脸识别算法 | 第50-61页 |
| 5.1 相似度距离 | 第50-51页 |
| 5.2 改进的KNN-SVM分类识别 | 第51-54页 |
| 5.3 基于改进的Gaor-PCA和KNN-SVM的人脸识别实验结果分析 | 第54-57页 |
| 5.4 简易人脸识别系统实现 | 第57-60页 |
| 5.5 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68页 |
