| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·选题背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·基于静态图片的人脸信息处理 | 第10-12页 |
| ·融合动态信息的人脸信息处理 | 第12-13页 |
| ·三维人脸信息处理 | 第13-14页 |
| ·本文的研究内容 | 第14-15页 |
| 2 多尺度几何分析 | 第15-21页 |
| ·多尺度几何分析的发展 | 第15-17页 |
| ·多尺度几何分析工具介绍 | 第17-21页 |
| ·脊波及单尺度脊波变换 | 第17-18页 |
| ·曲波变换(Curvelet) | 第18页 |
| ·梳状波(Brushlet) | 第18页 |
| ·子束波（Beamlet） | 第18-19页 |
| ·楔形波（Wedgelet） | 第19页 |
| ·轮廓波（Contourlet） | 第19页 |
| ·条带波（Bandelet） | 第19-20页 |
| ·方向波（Directionlet） | 第20页 |
| ·剪切波（Shearlet） | 第20-21页 |
| 3 曲波变换与小波变换理论 | 第21-42页 |
| ·第一代曲波变换 | 第21页 |
| ·第二代曲波变换 | 第21-31页 |
| ·连续曲波变换 | 第22-26页 |
| ·离散曲波变换 | 第26-28页 |
| ·离散曲波变换的实现 | 第28-30页 |
| ·第二代曲波变换的四个特性 | 第30-31页 |
| ·曲波系数的特性 | 第31-32页 |
| ·曲波变换示例 | 第32-36页 |
| ·曲波变换的应用 | 第36-37页 |
| ·小波变换理论 | 第37-42页 |
| ·连续小波变换 | 第37-39页 |
| ·离散小波变换 | 第39-40页 |
| ·小波变换示例 | 第40-42页 |
| 4 数据降维方法 | 第42-55页 |
| ·进行数据降维的必要性 | 第42-43页 |
| ·主成分分析（Principal Component Analysis, PCA） | 第43-47页 |
| ·PCA 方法的主要思想 | 第43-44页 |
| ·主成分的计算 | 第44-47页 |
| ·线性判别分析（Linear Discriminant Analysis，LDA） | 第47-55页 |
| ·两类问题的线性判别 | 第47-51页 |
| ·多类问题的线性判别 | 第51-55页 |
| 5 分类器 | 第55-70页 |
| ·最近邻分类器(k-NN) | 第55-56页 |
| ·支持向量机 | 第56-70页 |
| ·统计学习理论的核心内容 | 第56-57页 |
| ·支持向量机理论 | 第57-66页 |
| ·支持向量机的设计实现 | 第66-68页 |
| ·常用的核函数 | 第68-70页 |
| 6 基于曲波变换的人脸信息处理 | 第70-80页 |
| ·曲波分析的改进：半曲波变换 | 第70-71页 |
| ·人脸检测 | 第71-74页 |
| ·曲波特征脸向量的构建 | 第72-73页 |
| ·算法与实验 | 第73-74页 |
| ·基于曲波变换的人脸识别 | 第74-78页 |
| ·人脸识别算法设计 | 第75-77页 |
| ·曲波变换参数的选择 | 第77-78页 |
| ·曲波系数的数据降维 | 第78页 |
| ·分类器的选择 | 第78页 |
| ·基于曲波变换的表情分析 | 第78-80页 |
| ·表情分析算法设计 | 第78-79页 |
| ·算法参数设定 | 第79-80页 |
| 7 实验与分析 | 第80-98页 |
| ·在标准人脸数据库的实验 | 第80-85页 |
| ·人脸数据库介绍 | 第80-81页 |
| ·人脸识别实验 | 第81-83页 |
| ·表情识别实验 | 第83-85页 |
| ·在三维虚拟人自然交互平台上的交互实验 | 第85-89页 |
| ·虚拟人自然交互平台介绍 | 第85-86页 |
| ·在视觉交互平台上的实验结果 | 第86-89页 |
| ·在曲波分析平台上的实验 | 第89-98页 |
| ·曲波分析平台介绍 | 第89页 |
| ·实验结果与分析 | 第89-96页 |
| ·实验小结 | 第96-98页 |
| 8 总结与展望 | 第98-101页 |
| ·本文总结 | 第98-99页 |
| ·进一步的工作 | 第99-101页 |
| 参考文献 | 第101-106页 |
| 在学研究成果 | 第106-107页 |
| 致谢 | 第107页 |