| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-30页 |
| ·研究背景和意义 | 第12-14页 |
| ·人脸识别概述 | 第14-19页 |
| ·人脸识别系统构成 | 第14-15页 |
| ·人脸识别技术的难点 | 第15-16页 |
| ·人脸识别的主要方法 | 第16-19页 |
| ·人脸识别中的特征提取方法概述 | 第19-27页 |
| ·线性特征提取方法 | 第19-25页 |
| ·非线性特征提取方法 | 第25-27页 |
| ·研究内容 | 第27-28页 |
| ·论文结构 | 第28-30页 |
| 第2章 几种经典的特征提取方法介绍 | 第30-42页 |
| ·引言 | 第30页 |
| ·线性特征提取方法 | 第30-34页 |
| ·主成分分析 | 第30-32页 |
| ·线性鉴别分析方法 | 第32页 |
| ·保局投影映射 | 第32-34页 |
| ·非线性特征提取方法 | 第34-41页 |
| ·基于核映射学习方法的基本原理 | 第35-37页 |
| ·核主成分分析方法 | 第37-39页 |
| ·核鉴别分析方法 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 基于图像矩阵模型的线性特征提取方法 | 第42-56页 |
| ·引言 | 第42-44页 |
| ·二维主成分分析及二维线性鉴别分析 | 第44-46页 |
| ·2DUDV方法 | 第46-54页 |
| ·2DUDV方法的理论与实现 | 第48-51页 |
| ·实验结果及分析 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第4章 基于图像向量模型的线性特征提取方法 | 第56-70页 |
| ·引言 | 第56-57页 |
| ·不相关空间方法 | 第57-58页 |
| ·IUSM方法 | 第58-68页 |
| ·Fisher准则函数 | 第58-59页 |
| ·IUSM方法的理论基础及实现 | 第59-65页 |
| ·实验结果及分析 | 第65-68页 |
| ·本章小结 | 第68-70页 |
| 第5章 基于核映射的特征提取方法 | 第70-101页 |
| ·引言 | 第70-72页 |
| ·KODLPP方法 | 第72-82页 |
| ·正交鉴别保局投影方法 | 第73-75页 |
| ·关于正交鉴别保局投影方法的奇异问题 | 第75页 |
| ·KODLPP方法理论与实现 | 第75-79页 |
| ·实验结果与分析 | 第79-82页 |
| ·KDCV方法 | 第82-91页 |
| ·鉴别通用矢量集方法 | 第83-84页 |
| ·KDCV方法的理论与实现 | 第84-88页 |
| ·实验结果与分析 | 第88-91页 |
| ·KUSM方法 | 第91-97页 |
| ·KUSM方法的理论与实现 | 第92-95页 |
| ·实验结果与分析 | 第95-97页 |
| ·关于三种核特征提取方法的讨论 | 第97-99页 |
| ·本章小结 | 第99-101页 |
| 第6章 基于压缩变换的核特征提取方法优化模型与实现 | 第101-111页 |
| ·引言 | 第101-102页 |
| ·基于压缩变换的核特征提取方法优化模型 | 第102-104页 |
| ·优化模型的思想 | 第102-103页 |
| ·高维训练样本的压缩处理理论 | 第103-104页 |
| ·基于压缩变换的核特征提取方法的实现 | 第104-106页 |
| ·实验结果与分析 | 第106-110页 |
| ·本章小结 | 第110-111页 |
| 结论 | 第111-113页 |
| 参考文献 | 第113-126页 |
| 攻读博士学位期间发表的论文 | 第126-127页 |
| 致谢 | 第127页 |