| 第一章 绪论 | 第1-10页 |
| §1-1 引言 | 第7页 |
| §1-2 人脸识别技术的研究现状 | 第7-9页 |
| §1-3 本文的主要研究内容及安排 | 第9-10页 |
| 第二章 人脸图像的预处理 | 第10-17页 |
| §2-1 人脸图像的获取 | 第10-11页 |
| §2-2 人脸图像归一化 | 第11-16页 |
| 2-2-1 人脸图像的几何归一化 | 第11-12页 |
| 2-2-2 人脸图像的灰度归一化 | 第12-16页 |
| §2-3 小结 | 第16-17页 |
| 第三章 基于曲面拟合和特征脸的人脸特征提取 | 第17-30页 |
| §3-1 引言 | 第17-18页 |
| §3-2 基于边缘的特征提取 | 第18-22页 |
| 3-2-1 边缘提取的原理 | 第18-19页 |
| 3-2-2 经典边缘算子 | 第19-22页 |
| §3-3 利用曲面拟合提取边缘特征 | 第22-28页 |
| 3-3-1 最小二乘法 | 第22-24页 |
| 3-3-2 曲面拟合提取边缘 | 第24-26页 |
| 3-3-3 动态阈值选取 | 第26页 |
| 3-3-4 边缘提取的结果比较 | 第26-28页 |
| §3-4 结合最大特征脸信息的“代表脸”获取 | 第28-29页 |
| 3-4-1 PCA算法 | 第28页 |
| 3-4-2 计算特征脸 | 第28页 |
| 3-4-3 “代表脸”的获取 | 第28-29页 |
| §3-5 小结 | 第29-30页 |
| 第四章 基于Hausdorff距离的人脸识别算法 | 第30-37页 |
| §4-1 Hausdorff距离 | 第30-32页 |
| 4-1-1 Hausdorff距离定义 | 第30-31页 |
| 4-1-2 Hausdorff距离测量的优缺点 | 第31页 |
| 4-1-3 空间加权Hausdorff距离 | 第31-32页 |
| §4-2 距离映射图 | 第32-34页 |
| 4-2-1 模板匹配 | 第32页 |
| 4-2-2 局部距离映射图 | 第32-33页 |
| 4-2-3 改进后的Hausdorff距离 | 第33-34页 |
| §4-3 最近邻决策规则 | 第34-36页 |
| 4-3-1 最小距离分类器 | 第34-35页 |
| 4-3-2 最小距离在识别中的具体运用 | 第35-36页 |
| §4-4 基于“代表脸”的识别策略 | 第36页 |
| §4-5 小结 | 第36-37页 |
| 第五章 人脸识别实验过程与结果分析 | 第37-46页 |
| §5-1 实验前的准备工作 | 第37-40页 |
| 5-1-1 实验采用的图像来源 | 第37-38页 |
| 5-1-2 Visual C++ADO数据库简介 | 第38页 |
| 5-1-3 使用ADO对象开发数据库应用程序 | 第38-40页 |
| §5-2 Hausdorff距离人脸识别过程与结果分析 | 第40-45页 |
| 5-2-1 算法流程 | 第40页 |
| 5-2-2 算法的具体实现过程 | 第40-41页 |
| 5-2-3 系统编程实现 | 第41-43页 |
| 5-2-4 识别结果分析 | 第43-45页 |
| §5-3 小结 | 第45-46页 |
| 第六章 结论 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-50页 |
| 攻读学位期间所取得的相关科研成果 | 第50页 |