| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题背景与意义 | 第9-10页 |
| ·基于人工神经网络的影像分类与识别在全球范围内的研究状况 | 第10-11页 |
| ·人面部识别的主要特点 | 第11-12页 |
| ·人面部识别的现状 | 第12-13页 |
| ·本文的组织结构和相关内容 | 第13-14页 |
| 第二章 相关特征的获取 | 第14-30页 |
| ·影像分类与识别方法 | 第14-16页 |
| ·预处理影像所需的技术 | 第16-22页 |
| ·影像预处理 | 第16-17页 |
| ·影像的灰度处理 | 第17-18页 |
| ·影像增强 | 第18-19页 |
| ·影像的连通区识别与分割 | 第19-22页 |
| ·相关特征获取的方法 | 第22-25页 |
| ·主成分分析基本原理 | 第22-23页 |
| ·人面部识别中的主成分分析 | 第23-24页 |
| ·小波在人面部相关特征获取中的应用 | 第24-25页 |
| ·人面部相关特征的分块获取 | 第25-29页 |
| ·正面人面部相关特征的获取 | 第25-26页 |
| ·偏转正面人面部的相关特征获取 | 第26-28页 |
| ·侧面人面部相关特征的获取 | 第28页 |
| ·人面部相关特征矢量的构造 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第三章 人工神经网络分类器 | 第30-44页 |
| ·人工神经网络概述 | 第31-32页 |
| ·神经元基本模型 | 第32-33页 |
| ·BP 人工神经网络的结构 | 第33-34页 |
| ·人工神经网络的学习 | 第34-36页 |
| ·人工神经网络的特点及应用 | 第36-37页 |
| ·人工神经网络影像分类与识别分类原理 | 第37-40页 |
| ·分类原理 | 第37-38页 |
| ·BP 人工神经网络与 Bayes 决策的关系 | 第38-40页 |
| ·神经网络用于人脸识别 | 第40-43页 |
| ·小结 | 第43-44页 |
| 第四章 基于人工神经网络的人面部识别系统 | 第44-62页 |
| ·系统构成及系统开发环境 | 第44-56页 |
| ·软件部分 | 第44-55页 |
| ·相关硬件部分 | 第55-56页 |
| ·人脸识别处理步骤 | 第56-57页 |
| ·试验最后结果及分析 | 第57-61页 |
| ·不一样权值层数的实验最后结果及讨论 | 第58-59页 |
| ·对于加入椒盐影像噪声试验的讨论 | 第59页 |
| ·对于识别人面部的试验的讨论 | 第59-61页 |
| ·对于图形识别实验的讨论 | 第61页 |
| ·试验的改进分析 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |