| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| 1．1 课题研究的背景和意义 | 第9-10页 |
| 1．1．1 研究的背景 | 第9-10页 |
| 1．1．2 课题的意义 | 第10页 |
| 1．2 人脸识别研究的现状与存在的困难 | 第10-11页 |
| 1．2．1 研究的现状 | 第10页 |
| 1．2．2 存在的主要困难 | 第10-11页 |
| 1．3 本论文的内容安排 | 第11-13页 |
| 1．3．1 主要研究内容 | 第11页 |
| 1．3．2 论文的结构安排 | 第11-13页 |
| 第二章 人脸识别综述 | 第13-20页 |
| 2．1 人脸识别的研究范围 | 第13-14页 |
| 2．2 人脸识别的主要方法 | 第14-18页 |
| 2．2．1 基于局部特征的人脸识别方法 | 第14-15页 |
| 2．2．2 基于整体的人脸识别方法 | 第15-18页 |
| 2．2．3 基于结合局部特征和整体的方法 | 第18页 |
| 2．3 本章小结 | 第18-20页 |
| 第三章 人脸图象预处理 | 第20-27页 |
| 3．1 引言 | 第20页 |
| 3．2 人脸图象库 | 第20-22页 |
| 3．3 人脸的预处理算法 | 第22-26页 |
| 3．3．1 图象的几何归一化 | 第22-23页 |
| 3．3．2 图像的灰度归一化 | 第23-25页 |
| 3．3．3 图象的边缘检测和锐化处理 | 第25-26页 |
| 3．4 本章小结 | 第26-27页 |
| 第四章 基于PCA的人脸识别 | 第27-42页 |
| 4．1 引言 | 第27页 |
| 4．2 PCA人脸识别方法 | 第27-35页 |
| 4．2．1 K_L变换的原理 | 第27-29页 |
| 4．2．2 PCA在人脸识别中的应用 | 第29-32页 |
| 4．2．3 特征值的选择 | 第32-33页 |
| 4．2．4 距离函数的选取 | 第33-34页 |
| 4．2．5 PCA的优缺点分析 | 第34-35页 |
| 4．3 线性鉴别分析人脸识别方法 | 第35-37页 |
| 4．3．1 LDA的算法 | 第35-36页 |
| 4．3．2 LDA在人脸识别中的应用 | 第36页 |
| 4．3．3 PCA+LDA的人脸识别方法 | 第36-37页 |
| 4．3．4 PCA+LDA的优缺点 | 第37页 |
| 4．4 试验结果分析比较 | 第37-41页 |
| 4．4．1 PCA中不同的子空间维数和训练样本与识别率的关系 | 第38-40页 |
| 4．4．2 距离函数的选择与识别率的关系 | 第40页 |
| 4．4．3 人脸库的选择与识别率的关系 | 第40-41页 |
| 4．4．4 PCA和PCA+LDA的识别结果比较 | 第41页 |
| 4．5 本章小结 | 第41-42页 |
| 第五章 基于2DPCA的人脸识别 | 第42-71页 |
| 5．1 引言 | 第42页 |
| 5．2 2DPCA人脸识别方法 | 第42-47页 |
| 5．2．1 2DPCA的算法 | 第42-44页 |
| 5．2．2 图像的主成分向量和特征矩阵 | 第44页 |
| 5．2．3 2DPCA的分类 | 第44-45页 |
| 5．2．4 2DPCA的图象重建 | 第45-46页 |
| 5．2．5 2DPCA的优缺点 | 第46-47页 |
| 5．3 PCA+2DPCA的人脸识别方法 | 第47页 |
| 5．4 (2D)~2PCA的人脸识别方法 | 第47-51页 |
| 5．4．1 行方向2DPCA的算法 | 第48-49页 |
| 5．4．2 列方向2DPCA的算法 | 第49-50页 |
| 5．4．3 (2D)~2PCA的算法 | 第50-51页 |
| 5．4．4 (2D)~2PCA的优缺点 | 第51页 |
| 5．5 DiagPCA的人脸识别方法 | 第51-54页 |
| 5．5．1 DiagPCA的算法 | 第52-54页 |
| 5．5．2 DiagPCA的优缺点 | 第54页 |
| 5．6 DiagPCA+2DPCA的人脸识别方法 | 第54-55页 |
| 5．6．1 DiagPCA+2DPCA的算法 | 第54-55页 |
| 5．6．2 DiagPCA+2DPCA的优缺点 | 第55页 |
| 5．7 图像锐化预处理对基于PCA和基于2DPCA的识别方法的改进 | 第55-60页 |
| 5．7．1 人脸图像的1-D的锐化预处理算法 | 第56-59页 |
| 5．7．2 1-D高斯平滑滤波器和1-D高斯微分算子的参数设计 | 第59页 |
| 5．7．3 1-D算法的优缺点分析 | 第59-60页 |
| 5．8 实验结果分析比较 | 第60-70页 |
| 5．8．1 2DPCA中不同的主成分向量数和训练样本与识别率的关系 | 第60-61页 |
| 5．8．2 PCA，PCA+LDA和2DPCA的识别结果比较 | 第61页 |
| 5．8．3 当时间，表情和光照变化时PCA和2DPCA的识别结果比较 | 第61-65页 |
| 5．8．4 2DPCA，PCA，(2D)~2PCA，DiagPCA和DiagPCA+2DPCA识别结果比较 | 第65-66页 |
| 5．8．5 AR锐化库和原始库中各种方法的识别结果比较 | 第66-69页 |
| 5．8．6 实验分析结论 | 第69-70页 |
| 5．9 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6．1 工作总结 | 第71-72页 |
| 6．2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
