| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题来源及研究的背景和意义 | 第11-12页 |
| 1.2 国内外的研究现状与展望 | 第12-15页 |
| 1.3 本文的研究内容及章节安排 | 第15-18页 |
| 1.3.1 本文的研究工作及研究创新点 | 第15-16页 |
| 1.3.2 本文的章节安排 | 第16-18页 |
| 第2章 人脸识别相关理论 | 第18-24页 |
| 2.1 人脸图像预处理 | 第18-20页 |
| 2.1.1 人脸图像的灰度化处理 | 第18-19页 |
| 2.1.2 人脸图像的滤波处理 | 第19-20页 |
| 2.2 主成分分析 | 第20-21页 |
| 2.3 梯度下降算法 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 信息熵加权的HOG特征提取算法 | 第24-36页 |
| 3.1 引言 | 第24-25页 |
| 3.2 HOG特征提取 | 第25-26页 |
| 3.3 信息熵 | 第26-27页 |
| 3.4 信息熵加权的HOG特征提取算法 | 第27-30页 |
| 3.4.1 图像的分块及HOG特征提取 | 第28-29页 |
| 3.4.2 图像信息熵的计算 | 第29页 |
| 3.4.3 加权HOG特征的PCA降维 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-35页 |
| 3.5.1 基于ORL人脸数据库的实验 | 第30-33页 |
| 3.5.2 基于YALE人脸数据库的实验 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 分块Gabor融合HOG特征的特征提取算法 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 Gabor特征提取 | 第36-37页 |
| 4.3 H-G特征提取算法 | 第37-41页 |
| 4.3.1 Gabor特征的提取 | 第38-39页 |
| 4.3.2 Gabor特征的融合与分块 | 第39-40页 |
| 4.3.3 H-G特征的提取与降维 | 第40-41页 |
| 4.4 实验结果与分析 | 第41-47页 |
| 4.4.1 基于ORL人脸数据库的分块实验 | 第41-43页 |
| 4.4.2 基于ORL人脸数据库的H-G算法实验 | 第43-44页 |
| 4.4.3 基于YALE人脸数据库的分块实验 | 第44-46页 |
| 4.4.4 基于YALE人脸数据库的H-G算法实验 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 弹性梯度结合动态增量的BP网络改进算法 | 第48-56页 |
| 5.1 引言 | 第48页 |
| 5.2 BP神经网络 | 第48-50页 |
| 5.3 改进的BP神经网络算法 | 第50-51页 |
| 5.3.1 附加动量项 | 第50页 |
| 5.3.2 弹性梯度下降算法 | 第50-51页 |
| 5.3.3 改进的权重调整算法 | 第51页 |
| 5.4 实验结果及分析 | 第51-55页 |
| 5.4.1 基于ORL人脸库的三组对比实验及结果分析 | 第51-53页 |
| 5.4.2 基于YALE人脸库的三组对比实验及结果分析 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间所发表的学术论文 | 第63-64页 |
| 致谢 | 第64-65页 |
