| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·人脸识别研究的背景与意义 | 第9页 |
| ·人脸识别的特点与应用领域 | 第9-12页 |
| ·人脸识别的特点 | 第9-11页 |
| ·人脸识别的应用领域 | 第11-12页 |
| ·人脸识别系统的功能组成 | 第12-13页 |
| ·本文主要研究内容 | 第13-15页 |
| ·本文的组织结构 | 第15-17页 |
| 第2章 人脸识别研究概述 | 第17-31页 |
| ·人脸识别研究的发展历程 | 第17-18页 |
| ·人脸识别研究的国内外现状 | 第18-21页 |
| ·人脸识别经典方法 | 第21-24页 |
| ·Eigenface | 第21-22页 |
| ·Fisherface | 第22页 |
| ·基于贝叶斯概率的方法 | 第22-23页 |
| ·基于弹性图匹配的方法 | 第23页 |
| ·基于三维形变模型的识别方法 | 第23-24页 |
| ·人脸识别性能评价 | 第24-28页 |
| ·FERET 测试 | 第24-25页 |
| ·XM2VTS 测试 | 第25-26页 |
| ·FRVT 测试 | 第26-28页 |
| ·人脸识别所面临的主要问题 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 人脸形状信息和纹理信息对人脸识别的影响 | 第31-41页 |
| ·问题提出 | 第31-32页 |
| ·数据组织 | 第32-37页 |
| ·三维人脸 | 第32-34页 |
| ·基于网格重采样的三维人脸对齐 | 第34-35页 |
| ·Shape-normalized 和Reflectance-normalized 三维人脸 | 第35-36页 |
| ·投影图像的生成 | 第36-37页 |
| ·基于Eigenface 的人脸识别 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 人脸识别中的光照问题 | 第41-51页 |
| ·人脸图像的表示模型 | 第41-43页 |
| ·人脸图像的一般表示模型 | 第41-42页 |
| ·人脸图像的Lambert 表示模型 | 第42页 |
| ·人脸图像的PHONG 表示模型 | 第42-43页 |
| ·光照变化对人脸识别的影响 | 第43-44页 |
| ·解决光照问题主要方法分类 | 第44-49页 |
| ·提取对光照不敏感特征的方法 | 第45-46页 |
| ·基于图像预处理的方法 | 第46-47页 |
| ·光照子空间的方法 | 第47-48页 |
| ·虚拟样本的方法 | 第48-49页 |
| ·解决光照问题方法总结 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于人脸形状预测模型的多光照人脸识别 | 第51-61页 |
| ·相关工作 | 第51-52页 |
| ·数据获取及预处理 | 第52-53页 |
| ·人脸图像及规格化 | 第52-53页 |
| ·三维人脸及预处理 | 第53页 |
| ·支持向量机理论 | 第53-55页 |
| ·支持向量机 | 第53-54页 |
| ·支持向量回归理论 | 第54-55页 |
| ·基于支持向量回归的人脸形状预测模型 | 第55-56页 |
| ·人脸预测模型的训练 | 第55-56页 |
| ·人脸形状的预测 | 第56页 |
| ·合成不同光照条件下的虚拟图像 | 第56-58页 |
| ·光照比例图 | 第57页 |
| ·虚拟图像的生成 | 第57-58页 |
| ·实验结果 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 硕士阶段发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |