| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·人脸识别研究背景和意义 | 第10页 |
| ·人脸识别的应用现状 | 第10-12页 |
| ·人脸识别研究过程遇到的困难 | 第12页 |
| ·本文的主要研究方法 | 第12-14页 |
| 第2章 人脸识别的研究 | 第14-40页 |
| ·人脸图像的预处理 | 第14-17页 |
| ·人脸识别的研究 | 第17-21页 |
| ·基于几何特征的人脸识别方法 | 第18-19页 |
| ·基于模板匹配的人脸识别方法 | 第19页 |
| ·基于特征脸的人脸识别方法 | 第19-20页 |
| ·基于隐马尔可夫模型的人脸识别方法 | 第20页 |
| ·基于神经网络的人脸识别方法 | 第20-21页 |
| ·基于弹性图匹配的人脸识别方法 | 第21页 |
| ·基础知识介绍 | 第21-25页 |
| ·小波介绍 | 第21-22页 |
| ·Gabor滤波和Gabor核函数 | 第22-25页 |
| ·距离函数的选取与方法介绍 | 第25页 |
| ·基于弹性匹配的人脸识别方法 | 第25-33页 |
| ·基于关键点的弹性图匹配 | 第26页 |
| ·基于模板的弹性图匹配 | 第26-33页 |
| ·弹性模板匹配的理论基础 | 第27-28页 |
| ·改进的弹性模板匹配算法 | 第28-30页 |
| ·小波分解的降维处理 | 第30-31页 |
| ·实验结果与分析 | 第31-33页 |
| ·基于广义主成分分析的人脸识别方法 | 第33-38页 |
| ·K-L变换 | 第33-34页 |
| ·广义主成分分析的人脸识别算法 | 第34-35页 |
| ·改进的广义主成分分析算法 | 第35-36页 |
| ·实验结果与分析 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第3章 基于GABOR变换的人脸识别方法的改进 | 第40-46页 |
| ·基于Gabor和广义主成分分析的人脸识别算法改进 | 第40-41页 |
| ·基于Gabor变换和神经网络分类器的人脸识别方法 | 第41-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 总结与展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52页 |