| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题背景及研究意义 | 第10-11页 |
| ·人脸识别的发展及现状 | 第11-13页 |
| ·人脸数据库 | 第13-14页 |
| ·常用数据库简介 | 第13-14页 |
| ·本文所用数据库 | 第14页 |
| ·本文研究工作概述 | 第14-15页 |
| ·本文内容安排 | 第15-16页 |
| 第二章 人脸识别方法综述 | 第16-26页 |
| ·引言 | 第16页 |
| ·特征提取方法简介 | 第16-19页 |
| ·基于面部特征的几何方法 | 第16-17页 |
| ·基于模板匹配的方法 | 第17-18页 |
| ·基于子空间的方法 | 第18-19页 |
| ·常用的子空间降维方法 | 第19-22页 |
| ·PCA 方法 | 第19页 |
| ·2DPCA 方法 | 第19-20页 |
| ·LDA 方法 | 第20-21页 |
| ·KPCA 方法 | 第21-22页 |
| ·识别方法简介 | 第22-23页 |
| ·最小距离分类器 | 第22页 |
| ·最近邻法 | 第22-23页 |
| ·κ近邻法 | 第23页 |
| ·贝叶斯分类器 | 第23页 |
| ·本章小结 | 第23-26页 |
| 第三章 熵成分分析和二维熵成分分析在人脸识别上的应用 | 第26-36页 |
| ·引言 | 第26-27页 |
| ·核熵成分分析 | 第27-28页 |
| ·熵成分分析 | 第28-29页 |
| ·二维熵成分分析 | 第29-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·ORL 人脸库上的实验结果 | 第31-32页 |
| ·XM2VTS 人脸库上的实验结果 | 第32-33页 |
| ·YALE 人脸库上的实验结果 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 2DR_1-PCA 方法在人脸识别上的应用 | 第36-44页 |
| ·引言 | 第36页 |
| ·R_1-PCA 方法 | 第36-37页 |
| ·2DR_1-PCA 方法 | 第37-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·XM2VTS 人脸库上的实验结果 | 第40页 |
| ·R_1-PCA 算法和2DR_1-PCA 算法收敛速度比较 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 一种基于局部特征和全局特征相结合的人脸识别方法 | 第44-56页 |
| ·引言 | 第44页 |
| ·EWPPCA 算法 | 第44-46页 |
| ·快速获取局部特征 | 第46-49页 |
| ·对称的人脸 | 第46-47页 |
| ·非理想划分 | 第47-48页 |
| ·获取局部特征 | 第48-49页 |
| ·人脸划分的合理性探究 | 第49页 |
| ·局部特征和全局特征相结合的人脸识别方法 | 第49-50页 |
| ·实验结果与分析 | 第50-54页 |
| ·不同训练样本数的实验 | 第51-52页 |
| ·不同测试样本数的实验 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 一种基于对比度增强图像加权的人脸识别方法 | 第56-70页 |
| ·引言 | 第56-57页 |
| ·LBP 方法 | 第57-58页 |
| ·对比度加强图像 | 第58-64页 |
| ·使用对比度增强图像对距离加权 | 第64-65页 |
| ·实验结果与分析 | 第65-69页 |
| ·ORL 人脸库上的实验结果 | 第65-67页 |
| ·XM2VTS 人脸库上的实验结果 | 第67-68页 |
| ·YALE 人脸库上的实验结果 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第七章 特征级图像融合和熵成分分析方法在多模态人脸识别中的应用 | 第70-80页 |
| ·引言 | 第70页 |
| ·特征级图像融合 | 第70-74页 |
| ·脉冲耦合神经网络模型 | 第70-71页 |
| ·基于多通道Gabor 滤波器的纹理提取方法 | 第71-72页 |
| ·基于纹理特征和FCM 的图像分割方法 | 第72-73页 |
| ·基于区域分割和PCNN 的图像特征级融合方法的基本原理 | 第73-74页 |
| ·熵成分特征提取 | 第74-75页 |
| ·实验结果与分析 | 第75-79页 |
| ·融合效果 | 第75页 |
| ·人脸识别效果 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 第八章 总结与展望 | 第80-84页 |
| ·本文工作的总结 | 第80-81页 |
| ·未来工作的展望 | 第81-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-92页 |
| 附录A：作者在攻读硕士学位期间发表和完成的论文 | 第92-93页 |
| 附录B：作者在攻读硕士学位期间参加的科研项目 | 第93页 |
