| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·引言 | 第8-9页 |
| ·人脸识别的应用及意义 | 第9-11页 |
| ·人脸识别的发展 | 第11-15页 |
| ·第一阶段(1964年~1990年) | 第11页 |
| ·第二阶段(1991年~1997年) | 第11-13页 |
| ·第三阶段(1998年~现在) | 第13-15页 |
| ·人脸识别存在的问题 | 第15-16页 |
| ·本文的主要工作 | 第16-17页 |
| 第二章 人脸识别的工作原理介绍 | 第17-24页 |
| ·图像输入 | 第17-18页 |
| ·人脸的检测与定位 | 第18-19页 |
| ·人脸图像预处理 | 第19-21页 |
| ·滤波去噪 | 第19-20页 |
| ·灰度变换(灰度归一化) | 第20页 |
| ·边缘检测 | 第20页 |
| ·尺寸归一化 | 第20-21页 |
| ·人脸图像的特征提取 | 第21-22页 |
| ·分类器设计与距离准则 | 第22-24页 |
| ·分类器 | 第22页 |
| ·距离度量 | 第22-24页 |
| 第三章 K_L变换和PCA(主成分分析)人脸识别方法 | 第24-33页 |
| ·引言 | 第24页 |
| ·K_L变换和PCA分析 | 第24-27页 |
| ·K_L变换和PCA用于特征提取 | 第27-30页 |
| ·实验及分析 | 第30-31页 |
| ·小结 | 第31-33页 |
| 第四章 基于Fisher辨别的人脸识别方法 | 第33-41页 |
| ·引言 | 第33页 |
| ·两类问题的Fisher判别 | 第33-36页 |
| ·基于PCA的Fisher线性判别人脸识别 | 第36-39页 |
| ·实验及分析 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第五章 贝叶斯的人脸识别方法 | 第41-53页 |
| ·引言 | 第41页 |
| ·贝叶斯决策基本原理 | 第41-42页 |
| ·参数的估计 | 第42-44页 |
| ·基于PCA的贝叶斯决策在人脸识别中的应用 | 第44-48页 |
| ·最大似然准则(ML) | 第45-46页 |
| ·最大后验准则(MAP) | 第46-47页 |
| ·简化的最大似然准则(SML) | 第47-48页 |
| ·贝叶斯用于人脸识别方法的改进 | 第48-50页 |
| ·实验与分析 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第六章 结论与分析 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录(攻读学位其间发表论文) | 第58页 |