| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| TABLE OF CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-27页 |
| ·课题背景及意义 | 第14页 |
| ·人脸识别理论概述 | 第14-16页 |
| ·人脸识别常用的方法 | 第16-22页 |
| ·基于几何特征的人脸识别方法 | 第17页 |
| ·基于模板匹配的人脸识别方法 | 第17-18页 |
| ·基于 PCA分析的人脸识别方法 | 第18-19页 |
| ·形状和灰度分离的可变形模型 | 第19页 |
| ·隐马尔可夫模型 | 第19页 |
| ·基于神经网络的方法 | 第19-20页 |
| ·弹性图匹配方法 | 第20-21页 |
| ·其他人脸识别方法 | 第21-22页 |
| ·人脸识别国内外研究历史与现状 | 第22-25页 |
| ·国外研究状况 | 第22-23页 |
| ·国内研究状况 | 第23-25页 |
| ·课题研究内容及论文基本构造 | 第25-27页 |
| ·课题研究内容 | 第25页 |
| ·论文各章内容安排 | 第25-27页 |
| 第二章 正面单人脸识别系统的设计 | 第27-30页 |
| ·设计思想 | 第27页 |
| ·系统框图 | 第27-30页 |
| 第三章 人脸图像预处理 | 第30-37页 |
| ·图像平滑处理 | 第30-32页 |
| ·平滑的数学本质 | 第30-31页 |
| ·二维离散卷积 | 第31页 |
| ·加权邻域平均法 | 第31-32页 |
| ·本文选用的高斯平滑方法 | 第32页 |
| ·二值化处理 | 第32-34页 |
| ·基于canny方法的边缘检测 | 第34-37页 |
| ·梯度算子 | 第34-35页 |
| ·非最大抑制 | 第35页 |
| ·边缘提取 | 第35-37页 |
| 第四章 基于分步全消隐遗传算法的人脸轮廓定位 | 第37-53页 |
| ·关于遗传算法 | 第37-44页 |
| ·遗传算法的基本内容 | 第38-39页 |
| ·编码机制 | 第39-40页 |
| ·控制参数 | 第40-42页 |
| ·遗传算子 | 第42-44页 |
| ·适应度函数 | 第44页 |
| ·选择策略 | 第44页 |
| ·分步全消隐遗传算法人脸定位方法 | 第44-50页 |
| ·分步全消隐遗传算法人脸定位算法简介 | 第44-45页 |
| ·全消隐遗传算法寻找中间定位参数 | 第45-48页 |
| ·分步全消隐遗传算法人脸定位算法的实现 | 第48-50页 |
| ·人脸标准化 | 第50-53页 |
| ·人眼定位 | 第51-52页 |
| ·标准化图像的生成 | 第52-53页 |
| 第五章 基于 GABOR小波和特征脸的人脸特征提取 | 第53-66页 |
| ·Gabor小波变换 | 第53-60页 |
| ·小波变换的介绍 | 第53-58页 |
| ·Gabor函数和 Gabor小波 | 第58-60页 |
| ·提取 Gabor小波人脸图像特征 | 第60-66页 |
| ·两步降维法 | 第61页 |
| ·主成分分析法(Principal Component Analysis，简称 PCA) | 第61-66页 |
| 第六章 识别算法 | 第66-71页 |
| ·不同距离测度 | 第66-69页 |
| ·最近邻决策规则 | 第69页 |
| ·PCA人脸识别过程 | 第69-71页 |
| ·训练过程 | 第69-70页 |
| ·识别过程 | 第70-71页 |
| 第七章 实验结果及其分析 | 第71-75页 |
| ·定位结果分析 | 第71-72页 |
| ·识别结果分析 | 第72-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 攻读学位期间发表论文 | 第80-81页 |
| 独创性声明 | 第81-82页 |
| 致谢 | 第82页 |