| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究目的和意义 | 第8-9页 |
| 1.2 人脸识别的研究内容与主流方法 | 第9-14页 |
| 1.2.1 人脸识别系统的组成 | 第9-10页 |
| 1.2.2 人脸识别的研究内容 | 第10-11页 |
| 1.2.3 人脸识别的主流方法 | 第11-13页 |
| 1.2.4 人脸识别的难点 | 第13-14页 |
| 1.3 研究现状分析 | 第14-16页 |
| 1.4 本文主要内容 | 第16-18页 |
| 第2章 人脸图像的预处理方法 | 第18-35页 |
| 2.1 引言 | 第18页 |
| 2.2 基于 Adaboost 的人脸检测方法 | 第18-24页 |
| 2.2.1 Haar-like 特征的提取 | 第18-20页 |
| 2.2.2 Adaboost 算法训练分类器 | 第20-22页 |
| 2.2.3 Cascade 级联结构及人脸检测 | 第22-24页 |
| 2.3 基于快速径向对称的人眼快速定位方法 | 第24-28页 |
| 2.3.1 快速径向对称算法描述 | 第24-26页 |
| 2.3.2 快速径向对称在人眼定位中的应用 | 第26-28页 |
| 2.4 人脸图像标准化 | 第28-33页 |
| 2.4.1 人脸图像几何归一化 | 第29-31页 |
| 2.4.2 人脸图像灰度规范化 | 第31-32页 |
| 2.4.3 人脸图像掩模(Mask) | 第32-33页 |
| 2.5 人脸检测与人眼定位实验结果展示 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 人脸图像的特征提取方法 | 第35-59页 |
| 3.1 引言 | 第35页 |
| 3.2 基于 LBP 的人脸特征表达 | 第35-40页 |
| 3.2.1 LBP 算子 | 第35-38页 |
| 3.2.2 LBP 算子在特征提取中的应用 | 第38-40页 |
| 3.3 基于 Gabor 的人脸特征表达 | 第40-46页 |
| 3.3.1 Gabor 滤波 | 第41-43页 |
| 3.3.2 二维 Gabor 滤波在特征提取中的应用 | 第43-46页 |
| 3.4 基于 IGO 的人脸特征表达 | 第46-50页 |
| 3.4.1 IGO 的鲁棒特性 | 第46-48页 |
| 3.4.2 基于 IGO 的主成分分析(IGO-PCA) | 第48-50页 |
| 3.5 基于子空间的人脸特征表达 | 第50-55页 |
| 3.5.1 主成分分析 | 第51-52页 |
| 3.5.2 Fisher 线性判别分析 | 第52-53页 |
| 3.5.3 核 Fisher 判别分析 | 第53-55页 |
| 3.6 仿真实验结果与分析 | 第55-58页 |
| 3.7 本章小结 | 第58-59页 |
| 第4章 人脸图像的多特征融合方法 | 第59-78页 |
| 4.1 引言 | 第59页 |
| 4.2 常见的信息融合策略 | 第59-62页 |
| 4.3 多特征融合算法 | 第62-71页 |
| 4.3.1 基于匹配分值标准化的多特征融合 | 第63-68页 |
| 4.3.2 基于子空间特征维数约简的多特征融合 | 第68-71页 |
| 4.4 仿真实验结果与分析 | 第71-77页 |
| 4.4.1 人脸测试数据库与实验参数选择 | 第71-73页 |
| 4.4.2 匹配层的多特征融合实验 | 第73-75页 |
| 4.4.3 特征层的多特征融合实验 | 第75-77页 |
| 4.5 本章小结 | 第77-78页 |
| 结论 | 第78-80页 |
| 参考文献 | 第80-87页 |
| 致谢 | 第87页 |