| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景、目的和意义 | 第10-11页 |
| 1.2 人脸识别研究现状 | 第11-16页 |
| 1.2.1 人脸识别特点 | 第11-12页 |
| 1.2.2 国内外研究现状 | 第12-14页 |
| 1.2.3 人脸识别方法简述 | 第14-16页 |
| 1.3 论文的研究内容与结构安排 | 第16-18页 |
| 第2章 小波变换在人脸识别中的关键问题研究 | 第18-37页 |
| 2.1 小波变换的发展及应用 | 第18-19页 |
| 2.2 小波变换原理及性质 | 第19-21页 |
| 2.2.1 连续小波变换 | 第19-20页 |
| 2.2.2 离散小波变换 | 第20页 |
| 2.2.3 小波的多分辨率分析 | 第20-21页 |
| 2.3 小波变换用于人脸识别的关键问题研究 | 第21-36页 |
| 2.3.1 基于小波变换的人脸识别 | 第22-25页 |
| 2.3.2 几种常用的小波函数 | 第25-27页 |
| 2.3.3 小波基函数的选择 | 第27-32页 |
| 2.3.4 小波变换尺度的选择 | 第32-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 融合小波变换和主成份分析的人脸识别 | 第37-53页 |
| 3.1 分类融合简述 | 第37-38页 |
| 3.2 基于特征级融合的人脸识别 | 第38-46页 |
| 3.2.1 基于主成份分析的人脸识别 | 第38-39页 |
| 3.2.2 融合小波变换和 PCA 的人脸识别 | 第39-42页 |
| 3.2.3 融合小波变换和 2DPCA 的人脸识别 | 第42-45页 |
| 3.2.4 两种算法的分析与比较 | 第45-46页 |
| 3.3 决策级融合小波与 2DPCA 的人脸识别 | 第46-52页 |
| 3.3.1 分类器融合基本方法 | 第47-49页 |
| 3.3.2 基于加权分类器融合的人脸识别算法步骤 | 第49-50页 |
| 3.3.3 实验结果及分析 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 基于模糊积分融合分类器的人脸识别 | 第53-64页 |
| 4.1 模糊测度与模糊积分 | 第53-55页 |
| 4.1.1 模糊测度 | 第53-54页 |
| 4.1.2 模糊积分 | 第54-55页 |
| 4.2 模糊积分的融合模型 | 第55-56页 |
| 4.3 模糊测度的确定 | 第56-59页 |
| 4.3.1 模糊性与描述品质 | 第57页 |
| 4.3.2 可分辨度 | 第57-59页 |
| 4.4 基于分类器模糊融合的人脸识别算法步骤 | 第59-62页 |
| 4.4.1 模糊隶属度的确定 | 第59-60页 |
| 4.4.2 模糊测度的确定 | 第60页 |
| 4.4.3 实验与分析 | 第60-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 5.1 主要研究内容 | 第64-65页 |
| 5.2 有待研究内容与展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录：攻读硕士期间发表文章 | 第72-73页 |
| 致谢 | 第73-74页 |