| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 人脸识别技术的国内外现状 | 第9-11页 |
| 1.3 人脸识别技术未来的发展趋势 | 第11页 |
| 1.4 本文主要研究内容与组织 | 第11-13页 |
| 第2章 人脸识别研究的关键技术 | 第13-17页 |
| 2.1 人脸识别的三个阶段 | 第13页 |
| 2.2 人脸图像预处理 | 第13-14页 |
| 2.2.1 彩色转灰色图像 | 第13-14页 |
| 2.2.2 几何处理（统一尺寸） | 第14页 |
| 2.2.3 灰度预处理（统一光照） | 第14页 |
| 2.3 特征提取 | 第14-16页 |
| 2.4 分类与识别 | 第16页 |
| 2.5 本章小结 | 第16-17页 |
| 第3章 光照和噪声影响下人脸图像的预处理 | 第17-26页 |
| 3.1 Retinex理论及分析 | 第17-18页 |
| 3.2 人脸图像预处理算法 | 第18-19页 |
| 3.2.1 对输入图像进行Retinex预处理 | 第18-19页 |
| 3.2.2 归一化Retinex预处理图像的灰度值 | 第19页 |
| 3.3 基于Retinex理论的光照补偿算法改进 | 第19-20页 |
| 3.4 W-G算法的预处理 | 第20-23页 |
| 3.4.1 小波变换强化高频分量 | 第20-21页 |
| 3.4.2 提取光照不变量 | 第21-23页 |
| 3.5 仿真结果及分析 | 第23-25页 |
| 3.5.1 在Extended Yale Face Database B上的实验结果 | 第23-24页 |
| 3.5.2 在ORL人脸库上的实验结果 | 第24-25页 |
| 3.6 本章小结 | 第25-26页 |
| 第4章 人脸图像的特征提取及分类 | 第26-42页 |
| 4.1 LBP人脸识别 | 第26-33页 |
| 4.1.1 LBP人脸描述 | 第26-27页 |
| 4.1.2 LBP人脸匹配 | 第27-28页 |
| 4.1.3 LBP人脸算法 | 第28页 |
| 4.1.4 改进的LBP人脸算法 | 第28-30页 |
| 4.1.5 LBP分块结果与分析 | 第30-33页 |
| 4.2 线性回归分类算法 | 第33-36页 |
| 4.2.1 算法描述 | 第33-34页 |
| 4.2.2 可变光照下的线性回归算法 | 第34-35页 |
| 4.2.3 算法流程 | 第35-36页 |
| 4.3 实验结果与分析 | 第36-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第5章 系统实现 | 第42-46页 |
| 5.1 搭建Android下的JNI开发环境 | 第42-43页 |
| 5.1.1 安装Cygwin和配置ndk环境 | 第42页 |
| 5.1.2 利用NDK编译生成OpenCV静态库 | 第42-43页 |
| 5.2 实现过程 | 第43-45页 |
| 5.2.1 利用Android应用程序框架编写Java代码 | 第44页 |
| 5.2.2 利用JNI实现基于OpenCV的人脸检测函数 | 第44-45页 |
| 5.3 应用程序实际测试 | 第45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
