| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号及缩略词说明 | 第9-11页 |
| 目录 | 第11-14页 |
| 第一章 绪论 | 第14-29页 |
| 1.1 人脸图像信息处理与识别技术概述 | 第14-15页 |
| 1.2 人脸图像识别技术的主要研究方法及存在问题 | 第15-23页 |
| 1.2.1 人脸图像的检测 | 第15-17页 |
| 1.2.2 关键特征点的自动标定与表征 | 第17-20页 |
| 1.2.3 人脸图像判别与分类的主要方法 | 第20-23页 |
| 1.3 本文的主要研究工作和结构安排 | 第23-25页 |
| 参考文献 | 第25-29页 |
| 第二章 特征选择、提取及主要统计分类方法研究 | 第29-48页 |
| 2.1 引言 | 第29页 |
| 2.2 类别可分性判据与特征选择 | 第29-33页 |
| 2.2.1 特征评价准则 | 第29-30页 |
| 2.2.2 基于类内类间距离的可分性判据 | 第30-31页 |
| 2.2.3 基于概率分布的可分性判据 | 第31页 |
| 2.2.4 基于熵的可分性判据 | 第31-32页 |
| 2.2.5 特征选择的分支定界法 | 第32页 |
| 2.2.6 以分类性能为准则的特征选择方法 | 第32-33页 |
| 2.3 特征提取方法研究 | 第33-40页 |
| 2.3.1 线性判别分析 | 第33-35页 |
| 2.3.2 基于类别可分性判据的特征提取方法 | 第35-36页 |
| 2.3.3 主成分分析方法 | 第36-37页 |
| 2.3.4 非线性变换方法 | 第37-40页 |
| 2.4 常用统计分类方法分析 | 第40-46页 |
| 2.4.1 Bayes统计决策理论 | 第40-41页 |
| 2.4.2 概率密度函数估计方法 | 第41-43页 |
| 2.4.3 广义最优分类超平面分析 | 第43-45页 |
| 2.4.4 k-近邻法 | 第45-46页 |
| 2.5 本章小结 | 第46页 |
| 参考文献 | 第46-48页 |
| 第三章 概率型自组织网络模型理论推导及实验分析 | 第48-77页 |
| 3.1 引言 | 第48页 |
| 3.2 无监督模式识别的基本概念及代表性方法 | 第48-54页 |
| 3.2.1 基于模型的方法 | 第48-49页 |
| 3.2.2 无监督最大似然估计 | 第49-51页 |
| 3.2.3 混合模型的期望最大化算法 | 第51-53页 |
| 3.2.4 动态聚类方法 | 第53-54页 |
| 3.3 自组织映射神经网络及其改进算法 | 第54-58页 |
| 3.3.1 自组织映射神经网络结构及学习算法 | 第54-55页 |
| 3.3.2 邻域函数 | 第55-56页 |
| 3.3.3 自组织映射的主要特性 | 第56-57页 |
| 3.3.4 SOM的主要不足 | 第57-58页 |
| 3.4 主要的SOM改进方法分析 | 第58-63页 |
| 3.4.1 Durbin和Willshaw的弹性网络 | 第58页 |
| 3.4.2 再生拓扑映射 | 第58-59页 |
| 3.4.3 规则化混合高斯模型 | 第59页 |
| 3.4.4 基于信息理论的核拓扑映射 | 第59-61页 |
| 3.4.5 自组织混合网络分析 | 第61-63页 |
| 3.5 概率型自组织网络的理论推导 | 第63-67页 |
| 3.5.1 SOMN学习算法的分析及改进 | 第63-65页 |
| 3.5.2 邻域函数作用机制的分析及改进 | 第65-66页 |
| 3.5.3 概率型自组织网络模型 | 第66-67页 |
| 3.6 PSON算法模型的实验及分析 | 第67-74页 |
| 3.6.1 概率估计实验 | 第67-69页 |
| 3.6.2 分类实验 | 第69-73页 |
| 3.6.3 拓扑映射实验 | 第73-74页 |
| 3.7 本章小结 | 第74-75页 |
| 参考文献 | 第75-77页 |
| 第四章 基于概率型自组织网络的肤色检测方法 | 第77-95页 |
| 4.1 肤色检测方法概述 | 第77-78页 |
| 4.2 基于PSON的肤色检测方法 | 第78-81页 |
| 4.2.1 颜色空间的选择 | 第78-79页 |
| 4.2.2 肤色及非肤色数据的建模 | 第79-81页 |
| 4.2.3 基于Bayes决策准则的分类方法 | 第81页 |
| 4.3 肤色检测实验及结果分析 | 第81-92页 |
| 4.3.1 肤色检测实验数据 | 第81-82页 |
| 4.3.2 肤色检测实验方法 | 第82页 |
| 4.3.3 结果及分析 | 第82-92页 |
| 4.4 本章小结 | 第92-93页 |
| 参考文献 | 第93-95页 |
| 第五章 基于概率模型的人脸图像特征选择及识别方法 | 第95-116页 |
| 5.1 人脸图像特征选择与提取方法概述 | 第95-99页 |
| 5.2 基于概率分布可分性判据的人脸图像识别 | 第99-104页 |
| 5.3 人脸图像识别测试数据集及性能评估标准 | 第104-106页 |
| 5.4 实验研究 | 第106-113页 |
| 5.4.1 Faces94子集上的人脸识别实验 | 第107-109页 |
| 5.4.2 Faces95子集上的人脸识别实验 | 第109-111页 |
| 5.4.3 Faces96子集上的人脸识别实验 | 第111-112页 |
| 5.4.4 单训练样本条件下的识别实验 | 第112-113页 |
| 5.5 本章小结 | 第113-114页 |
| 参考文献 | 第114-116页 |
| 第六章 结束语 | 第116-119页 |
| 致谢 | 第119-120页 |
| 攻读博士学位期间发表的学术论文 | 第120页 |