| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 人脸识别研究的国内现状 | 第11-12页 |
| 1.3 本文的主要工作及内容安排 | 第12-14页 |
| 第2章 人脸识别技术概述 | 第14-30页 |
| 2.1 引言 | 第14页 |
| 2.2 人脸识别的主流算法 | 第14-17页 |
| 2.3 人脸识别的难点问题 | 第17-18页 |
| 2.4 常用人脸数据库 | 第18-20页 |
| 2.5 人脸图像的预处理方法 | 第20-28页 |
| 2.5.1 直方图均衡化 | 第21-22页 |
| 2.5.2 Gamma灰度校正 | 第22-24页 |
| 2.5.3 自商图像 | 第24-25页 |
| 2.5.4 基于DCT的对数域图像光照预处理 | 第25-28页 |
| 2.6 小结 | 第28-30页 |
| 第3章 基于子空间的人脸识别方法 | 第30-54页 |
| 3.1 引言 | 第30页 |
| 3.2 主成分分析人脸识别方法 | 第30-35页 |
| 3.2.1 K-L变换的原理 | 第31-32页 |
| 3.2.2 PCA方法在人脸识别中的应用 | 第32-34页 |
| 3.2.3 PCA方法中的问题及解决方法 | 第34-35页 |
| 3.3 线性判别分析人脸识别方法 | 第35-40页 |
| 3.3.1 LDA方法的人脸特征提取 | 第36-37页 |
| 3.3.2 小样问题及其解决方法 | 第37-39页 |
| 3.3.4 PCA和LDA相结合的人脸识别算法 | 第39-40页 |
| 3.4 独立成分分析人脸识别方法 | 第40-44页 |
| 3.4.1 独立成分分析的基础理论 | 第40-43页 |
| 3.4.2 基于ICA的人脸识别 | 第43-44页 |
| 3.5 实验结果以及分析 | 第44-52页 |
| 3.5.1 不同特征维数下的识别比较实验 | 第44-48页 |
| 3.5.2 PCA和LDA相结合的人脸识别算法实验 | 第48-49页 |
| 3.5.3 不同特征提取方法下的识别比较实验 | 第49-52页 |
| 3.6 小结 | 第52-54页 |
| 第4章 基于 DCT的人脸识别方法 | 第54-62页 |
| 4.1 引言 | 第54页 |
| 4.2 DCT转换域分块子图的特征提取方法 | 第54-56页 |
| 4.3 DCT和PCA相结合的人脸识别算法 | 第56-57页 |
| 4.4 DCT和DPA相结合的人脸识别算法 | 第57-59页 |
| 4.5 实验结果及分析 | 第59-61页 |
| 4.5.1 实验所用人脸库介绍 | 第59-60页 |
| 4.5.2 不同光照预处理方法下的识别比较实验 | 第60-61页 |
| 4.6 小结 | 第61-62页 |
| 第5章 改进的PCA+LDA的人脸识别方法 | 第62-68页 |
| 5.1 引言 | 第62页 |
| 5.2 基于改进的PCA的人脸识别 | 第62-65页 |
| 5.3 实验结果及分析 | 第65-66页 |
| 5.4 小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 论文总结 | 第68-69页 |
| 6.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |