| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究的背景和意义 | 第11页 |
| ·人脸识别系统 | 第11-12页 |
| ·人脸识别技术中的难点 | 第12-13页 |
| ·人脸识别的研究现状和应用前景 | 第13-16页 |
| ·国内外人脸识别的研究现状 | 第13-15页 |
| ·人脸识别的应用前景 | 第15-16页 |
| ·本文的主要工作及内容结构安排 | 第16-18页 |
| 第2章 人脸识别方法 | 第18-28页 |
| ·引言 | 第18页 |
| ·特征提取方法 | 第18-26页 |
| ·基于知识的特征提取方法 | 第19页 |
| ·基于统计学习的特征提取方法 | 第19-26页 |
| ·分类识别方法 | 第26-27页 |
| ·相似性测度 | 第26页 |
| ·分类器 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于CGA 和 PCA 的人脸特征提取方法 | 第28-41页 |
| ·引言 | 第28页 |
| ·PCA 的理论 | 第28-31页 |
| ·思想和算法 | 第28-29页 |
| ·特征向量选择 | 第29-30页 |
| ·图像重建 | 第30-31页 |
| ·遗传算法 | 第31-33页 |
| ·遗传算法的一般框架 | 第31-32页 |
| ·遗传算法的特点及应用 | 第32-33页 |
| ·混沌遗传算法(CGA) | 第33-37页 |
| ·混沌及其特性 | 第33-35页 |
| ·基于两种映射的混沌遗传算法 | 第35-37页 |
| ·基于CGA 的 PCA 特征选择算法 | 第37页 |
| ·实验结果及分析 | 第37-40页 |
| ·Eigenface 算法中特征空间维数与识别率的关系 | 第38页 |
| ·收敛性对比实验 | 第38-39页 |
| ·特征空间维数约简有效性实验 | 第39-40页 |
| ·识别率对比实验 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于DCT 和FLDA 的人脸特征提取算法 | 第41-49页 |
| ·引言 | 第41页 |
| ·离散余弦变换(DCT) | 第41-43页 |
| ·模糊线性鉴别分析(FLDA) | 第43-45页 |
| ·线性鉴别分析 | 第43-44页 |
| ·模糊k 近邻 | 第44-45页 |
| ·模糊线性鉴别分析的思想 | 第45页 |
| ·DCT 与 FLDA 相结合的人脸特征提取算法 | 第45-46页 |
| ·实验结果及分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录A 攻读硕士学位期间所发表的学术论文 | 第56页 |
