| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景 | 第10页 |
| ·人脸识别的研究意义 | 第10-12页 |
| ·人脸识别技术简介 | 第12-13页 |
| ·人脸识别研究现状 | 第13-14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 第2章 人脸图像的预处理 | 第16-22页 |
| ·引言 | 第16页 |
| ·几何规范化 | 第16-18页 |
| ·仿射变换 | 第16-17页 |
| ·灰度级插值 | 第17-18页 |
| ·灰度规范化 | 第18-21页 |
| ·图像平滑 | 第18-19页 |
| ·直方图均衡化 | 第19-21页 |
| ·灰度归一化 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于线性方法的特征提取 | 第22-30页 |
| ·引言 | 第22-23页 |
| ·主成分分析方法（PCA） | 第23-26页 |
| ·线性判别分析方法（LDA） | 第26-27页 |
| ·线性判别分析中的小样本问题 | 第27页 |
| ·主成分分析和线性判别分析结合的特征提取方法(PCA+LDA) | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于核方法的特征提取 | 第30-43页 |
| ·核方法基本概念 | 第30-32页 |
| ·核主成分分析方法(KPCA)及实现 | 第32-35页 |
| ·核主成分分析方法(KPCA) | 第32-35页 |
| ·核主成分分析（KPCA）算法实现步骤 | 第35页 |
| ·核 Fisher 判别分析法(KFDA) | 第35-38页 |
| ·基本概念和判别准则 | 第35-36页 |
| ·两个等价模型 | 第36-38页 |
| ·基于核的正交补空间算法 | 第38-40页 |
| ·最佳核判别向量存在定理 | 第38页 |
| ·最佳核判别向量集的算法 | 第38-40页 |
| ·KFDA 方法的本质 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 人工神经网络分类器 | 第43-53页 |
| ·引言 | 第43页 |
| ·BP 神经网络 | 第43-47页 |
| ·BP 神经网络结构 | 第44页 |
| ·BP 神经网络学习规则 | 第44-47页 |
| ·用BP 神经网络实现人脸识别 | 第47-52页 |
| ·训练集和测试集 | 第48页 |
| ·BP 神经网络分类器 | 第48-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的学术论文 | 第59-60页 |
| 致谢 | 第60页 |