| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·课题研究背景和意义 | 第9-11页 |
| ·研究背景 | 第9页 |
| ·研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·国外现状 | 第11-15页 |
| ·国内现状 | 第15-16页 |
| ·论文的研究内容及主要工作 | 第16-17页 |
| ·论文的结构 | 第17-19页 |
| 第二章 人脸图像的预处理 | 第19-25页 |
| ·人脸库的选取 | 第19页 |
| ·人脸图像预处理 | 第19-24页 |
| ·图像噪声滤波 | 第19-21页 |
| ·图像灰度均衡化 | 第21-22页 |
| ·图像旋转 | 第22页 |
| ·图像姿态归一化 | 第22-23页 |
| ·图像尺度归一化 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 基于奇异值分解的特征提取 | 第25-31页 |
| ·奇异值特征 | 第25-28页 |
| ·分块奇异值 | 第26-27页 |
| ·局部奇异值 | 第27页 |
| ·采样奇异值 | 第27页 |
| ·特征提取比较 | 第27-28页 |
| ·奇异值标准化 | 第28-29页 |
| ·实验结果比较 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第四章 基于Elman神经网络的年龄预测技术 | 第31-38页 |
| ·神经网络概述 | 第31-32页 |
| ·Elman神经网络 | 第32-35页 |
| ·基本Elman网络 | 第32-33页 |
| ·改进的Elman神经网络 | 第33-34页 |
| ·Elman网络学习算法 | 第34-35页 |
| ·年龄特征提取 | 第35-36页 |
| ·人脸年龄预测 | 第36-37页 |
| ·年龄函数建立 | 第36页 |
| ·检验方法与评价标准 | 第36-37页 |
| ·实验结果分析 | 第37页 |
| ·小结 | 第37-38页 |
| 第五章 基于形状和纹理特征相结合的年龄图像重建技术 | 第38-48页 |
| ·脸形变化 | 第38-43页 |
| ·人脸特征点 | 第38-39页 |
| ·特征点的非线性关系学习 | 第39-40页 |
| ·基于径向基函数的图像变形技术 | 第40-42页 |
| ·不同年龄图像变形实验 | 第42-43页 |
| ·纹理叠加 | 第43-46页 |
| ·多方向滤波 | 第43-44页 |
| ·纹理融合 | 第44-45页 |
| ·年龄图像重建 | 第45-46页 |
| ·实验结果及分析 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第六章 HMM分类识别算法 | 第48-53页 |
| ·隐马尔可夫模型(HMM) | 第48-50页 |
| ·概述 | 第48-49页 |
| ·用于人脸识别的HMM | 第49-50页 |
| ·HMM分类识别 | 第50-52页 |
| ·模型结构 | 第50-51页 |
| ·训练算法 | 第51页 |
| ·识别算法 | 第51-52页 |
| ·实验结果及分析 | 第52页 |
| ·小结 | 第52-53页 |
| 第七章 人脸识别原型系统的设计与实现 | 第53-65页 |
| ·原型系统的主要框架 | 第53-54页 |
| ·核心类的设计与实现 | 第54-60页 |
| ·位图类的设计 | 第54-56页 |
| ·矩阵类的设计 | 第56-57页 |
| ·HMM类的设计 | 第57-59页 |
| ·Elman神经网络类的设计 | 第59-60页 |
| ·原型系统实现 | 第60-64页 |
| ·小结 | 第64-65页 |
| 第八章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 发表论文 | 第73页 |