| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 本文研究的目的与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 人脸识别技术的相关应用 | 第12页 |
| 1.4 本文研究内容与创新点 | 第12-13页 |
| 1.5 本文组织结构 | 第13-14页 |
| 第二章 相关概念 | 第14-29页 |
| 2.1 人脸库 | 第14-15页 |
| 2.1.1 ORL人脸库 | 第14页 |
| 2.1.2 YALE人脸库 | 第14-15页 |
| 2.2 主成分分析 | 第15-20页 |
| 2.2.1 相关背景 | 第15-16页 |
| 2.2.2 PCA的概念 | 第16页 |
| 2.2.3 PCA原理 | 第16-17页 |
| 2.2.4 奇异值分解定理(SVD) | 第17页 |
| 2.2.5 快速PCA算法流程 | 第17-20页 |
| 2.3 小波变换 | 第20-23页 |
| 2.3.1 相关背景 | 第20页 |
| 2.3.2 小波变换相关叙述 | 第20-21页 |
| 2.3.3 小波变换原理 | 第21-22页 |
| 2.3.4 小波变换流程图 | 第22-23页 |
| 2.4 支持向量机(SVM) | 第23-28页 |
| 2.4.1 基本思想 | 第23-24页 |
| 2.4.2 相关原理 | 第24-27页 |
| 2.4.3 核函数 | 第27-28页 |
| 2.4.4 支持向量机算法流程 | 第28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 图像预处理操作 | 第29-39页 |
| 3.1 灰度化操作 | 第29-30页 |
| 3.2 去噪操作 | 第30-34页 |
| 3.2.1 均值滤波 | 第30-31页 |
| 3.2.2 中值滤波 | 第31-33页 |
| 3.2.3 高斯滤波 | 第33-34页 |
| 3.3 人脸校正处理操作 | 第34-35页 |
| 3.4 归一化操作 | 第35-38页 |
| 3.4.1 尺度归一化 | 第35页 |
| 3.4.2 直方图均衡化 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于PPO的PCA-θT-WWT+SVM混合算法的研究 | 第39-56页 |
| 4.1 θ变换模型 | 第39-42页 |
| 4.1.1 模型定义 | 第39页 |
| 4.1.2 参数调试 | 第39-40页 |
| 4.1.3 基于θ变换的判断模型 | 第40-41页 |
| 4.1.4 基于θ变换的图像加密、解密 | 第41-42页 |
| 4.2 小波变换系数加权 | 第42-44页 |
| 4.3 人脸特征提取算法的研究 | 第44-53页 |
| 4.3.1 基于LBP的特征提取 | 第44-46页 |
| 4.3.2 基于PCA的特征提取 | 第46-47页 |
| 4.3.3 PCA-WWT特征提取 | 第47-48页 |
| 4.3.4 PCA-θT-WWT的特征提取 | 第48-49页 |
| 4.3.5 特征提取算法的性能分析 | 第49-53页 |
| 4.4 支持向量机中参数设置 | 第53-54页 |
| 4.4.1 SVM核参数γ对人脸识别正确率的影响 | 第53页 |
| 4.4.2 PCA-θT-WWT+SVM的性能测试 | 第53-54页 |
| 4.5 PCA-θT-WWT+SVM算法与其他算法分析比较 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 人脸识别功能的设计与实现 | 第56-62页 |
| 5.1 开发平台和目标 | 第56页 |
| 5.2 系统识别功能 | 第56页 |
| 5.3 系统的设计和实现 | 第56-61页 |
| 5.3.1 系统功能模块设计 | 第56-57页 |
| 5.3.2 人脸识别系统的实现 | 第57-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的研究成果 | 第68-69页 |
