| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-9页 |
| 1 绪论 | 第9-21页 |
| 1.1 课题背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 人脸识别的研究现状 | 第10-11页 |
| 1.2.2 彩色人脸识别的研究现状 | 第11-13页 |
| 1.3 人脸识别技术研究难点 | 第13页 |
| 1.4 人脸识别的基本方法 | 第13-19页 |
| 1.4.1 基于特征脸的识别方法 | 第14-15页 |
| 1.4.2 基于最佳鉴别矢量集的人脸识别方法 | 第15页 |
| 1.4.3 基于Bayesian脸的人脸识别方法 | 第15-16页 |
| 1.4.4 基于傅里叶不变特征的人脸识别 | 第16-17页 |
| 1.4.5 基于弹性图匹配的人脸识别方法 | 第17页 |
| 1.4.6 其他的人脸识别方法 | 第17-19页 |
| 1.5 本文研究工作及内容安排 | 第19-21页 |
| 2 人脸彩色空间的方法研究 | 第21-33页 |
| 2.1 前言 | 第21页 |
| 2.2 彩色空间模型 | 第21-23页 |
| 2.3 归一化的彩色空间模型 | 第23-24页 |
| 2.3.1 颜色空间的归一化CSN-Ⅰ方法 | 第23-24页 |
| 2.3.2 颜色空间的归一化CSX-Ⅱ方法 | 第24页 |
| 2.4 鉴别颜色空间模型与算法 | 第24-26页 |
| 2.5 实验分析 | 第26-32页 |
| 2.5.1 AR人脸数据库 | 第26-27页 |
| 2.5.2 自建的彩色人脸库NUST_RWFR并做预处理 | 第27-28页 |
| 2.5.3 颜色空间的实验及分析 | 第28-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 彩色人脸图像的特征抽取方法 | 第33-53页 |
| 3.1 前言 | 第33页 |
| 3.2 基于Gabor特征的提取方法 | 第33-37页 |
| 3.2.1 Gabor小波 | 第34-35页 |
| 3.2.2 人脸图像的Gabor小波特征 | 第35-36页 |
| 3.2.3 基于Gabor特征的彩色图像的人脸识别 | 第36-37页 |
| 3.3 基于LBP特征的提取方法 | 第37-43页 |
| 3.3.1 纹理特征提取 | 第37-38页 |
| 3.3.2 基于LBP特征提取的研究 | 第38-41页 |
| 3.3.3 基于LBP特征的彩色图像的人脸识别 | 第41-43页 |
| 3.4 基于Gabor-LBP算法的彩色人脸识别 | 第43-44页 |
| 3.5 实验分析 | 第44-51页 |
| 3.5.1 基于Gabor特征的彩色图像的人脸识别 | 第44-46页 |
| 3.5.2 基于LBP特征的彩色图像的人脸识别 | 第46-49页 |
| 3.5.3 基于Gabor-LBP特征的彩色图像的人脸识别 | 第49-51页 |
| 3.6 本章小结 | 第51-53页 |
| 4 彩色人脸图像的分类方法研究 | 第53-65页 |
| 4.1 引言 | 第53页 |
| 4.2 基于线性回归的分类方法 | 第53-55页 |
| 4.2.1 线性回归的基本思想 | 第53-54页 |
| 4.2.2 基于线性回归方法的人脸识别 | 第54-55页 |
| 4.3 基于稀疏表示的分类方法 | 第55-61页 |
| 4.3.1 稀疏表示的基本思想概述 | 第55-56页 |
| 4.3.2 字典的构造 | 第56-58页 |
| 4.3.3 基于稀疏表示的人脸识别算法 | 第58-61页 |
| 4.4 结合多特征的稳健稀疏编码识别方法 | 第61-63页 |
| 4.5 实验分析 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-72页 |
