| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 人脸识别研究现状 | 第10-12页 |
| 1.2.1 人脸识别概述 | 第10-11页 |
| 1.2.2 人脸识别的发展现状及趋势 | 第11-12页 |
| 1.3 本文主要研究工作 | 第12-14页 |
| 第二章 交叉视觉皮质模型的动力学特性分析 | 第14-23页 |
| 2.1 ICM模型介绍 | 第14-17页 |
| 2.1.1 PCNN模型 | 第14-15页 |
| 2.1.2 ICM模型 | 第15-16页 |
| 2.1.3 ICM模型的特点 | 第16-17页 |
| 2.2 ICM模型动力学特性分析 | 第17-21页 |
| 2.2.1 动力学特性分析 | 第17-18页 |
| 2.2.2 自激励脉冲发放周期 | 第18-20页 |
| 2.2.3 捕获期与不应期 | 第20-21页 |
| 2.3 ICM图像处理中的应用 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 人脸特征提取 | 第23-31页 |
| 3.1 人脸特征提取方法概述 | 第23-24页 |
| 3.2 常用人脸特征提取方法 | 第24-26页 |
| 3.2.1 基于几何特征的方法 | 第24页 |
| 3.2.2 主成分分析方法 | 第24-25页 |
| 3.2.3 线性判别分析方法 | 第25页 |
| 3.2.4 独立成分分析方法 | 第25页 |
| 3.2.5 基于神经网络的方法 | 第25-26页 |
| 3.3 基于ICM脉冲统计特性的人脸特征提取 | 第26-29页 |
| 3.3.1 ICM神经元的振荡时间序列 | 第26-27页 |
| 3.3.2 振荡时间序列的特性 | 第27-29页 |
| 3.3.3 基于OTS特征提取的人脸识别实验仿真 | 第29页 |
| 3.4 本章小结 | 第29-31页 |
| 第四章 基于ICM时间序列和SVM的人脸识别实验仿真及分析 | 第31-41页 |
| 4.1 基于ICM振荡时间序列的人脸识别 | 第31-32页 |
| 4.2 基于ICM人脸识别的分类器选取 | 第32-37页 |
| 4.2.1 余弦相似度测度 | 第32页 |
| 4.2.2 欧式距离测度 | 第32页 |
| 4.2.3 支持向量机 | 第32-36页 |
| 4.2.4 三种常用分类器的比较 | 第36-37页 |
| 4.3 OTS+SVM方法与子空间算法对比 | 第37-39页 |
| 4.3.1 子空间算法最佳分类器实验 | 第37-38页 |
| 4.3.2 OTS+SVM与子空间算法对比 | 第38-39页 |
| 4.4 本章小结 | 第39-41页 |
| 第五章 总结与展望 | 第41-43页 |
| 5.1 工作总结 | 第41页 |
| 5.2 工作展望 | 第41-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间完成的科研成果 | 第46-47页 |
| 致谢 | 第47页 |