| 第一章 绪论 | 第1-13页 |
| ·人脸特征提取与识别的研究背景 | 第11-12页 |
| ·本论文的主要工作 | 第12-13页 |
| 第二章 图像的预处理 | 第13-18页 |
| ·数字图像处理的概念 | 第13页 |
| ·灰度变换 | 第13-14页 |
| ·直方图均衡化 | 第14-16页 |
| ·图像的平滑 | 第16-18页 |
| 第三章 人脸检测 | 第18-27页 |
| ·基于adaboost学习算法的人脸检测基本原理 | 第19页 |
| ·基于Attentional Cascade 的算法结构 | 第19-20页 |
| ·基于特征的简单分类器 | 第20-21页 |
| ·积分图像 | 第21-24页 |
| ·Adaboost的基本原理 | 第24-27页 |
| 第四章 人脸特征提取 | 第27-40页 |
| ·图像分割 | 第27-32页 |
| ·并行边界分割 | 第28-31页 |
| ·串行边界分割 | 第31页 |
| ·并行区域分割 | 第31-32页 |
| ·串行区域分割 | 第32页 |
| ·空间滤波 | 第32-33页 |
| ·平滑线性滤波器 | 第33页 |
| ·图像的门限处理 | 第33-35页 |
| ·人脸特征提取的实现 | 第35-40页 |
| ·将彩色图像转换为灰度图像 | 第35页 |
| ·空间掩模滤波器的构造 | 第35-37页 |
| ·图像二值化门限值的确定 | 第37页 |
| ·卷积模板的确定及搜索 | 第37-38页 |
| ·嘴的定位 | 第38-39页 |
| ·实验结果 | 第39-40页 |
| 第五章 基于 SVM 学习算法的性别识别的实现 | 第40-59页 |
| ·统计学习理论 | 第40-42页 |
| ·统计学习理论的核心内容 | 第42-44页 |
| ·VC维的概念 | 第42-43页 |
| ·推广性的界 | 第43页 |
| ·结构风险最小化 | 第43-44页 |
| ·支持向量机 | 第44-51页 |
| ·核函数 | 第51-53页 |
| ·核函数的定义 | 第51页 |
| ·到特征空间的隐式映射 | 第51-52页 |
| ·核函数的类型 | 第52-53页 |
| ·性别识别 | 第53-54页 |
| ·性别识别的研究状况 | 第53-54页 |
| ·SVM性别识别的过程 | 第54页 |
| ·软件包libsvm | 第54-57页 |
| ·利用libsvm实现人脸图像的性别识别 | 第57-58页 |
| ·结果分析 | 第58-59页 |
| 第六章 结论 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 摘要 | 第63-65页 |
| Abstract | 第65-67页 |
| 致谢 | 第67-68页 |
| 作者简介及导师简介 | 第68页 |