| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1. 绪论 | 第9-20页 |
| ·人脸识别的研究背景和意义 | 第9-10页 |
| ·人脸识别技术的概述 | 第10-13页 |
| ·人脸识别技术研究的内容 | 第10-12页 |
| ·人脸识别技术的发展与现状 | 第12-13页 |
| ·人脸识别存在的技术难点 | 第13-15页 |
| ·人脸识别系统的评估 | 第15-18页 |
| ·人脸识别系统的要求 | 第15页 |
| ·评估人脸识别系统的标准 | 第15-16页 |
| ·系统可靠性检验 | 第16-18页 |
| ·本论文的研究内容与结构安排 | 第18-20页 |
| 2. 人脸识别综述 | 第20-32页 |
| ·人脸数据库 | 第20-22页 |
| ·国外常用人脸库 | 第20-21页 |
| ·中国人脸图像库 | 第21-22页 |
| ·人脸检测 | 第22-24页 |
| ·人脸检测方法的分类 | 第22-24页 |
| ·人脸检测算法的评价指标 | 第24页 |
| ·图像预处理 | 第24-28页 |
| ·灰度变换 | 第24-26页 |
| ·二值化 | 第26页 |
| ·归一化 | 第26-27页 |
| ·直方图均衡 | 第27页 |
| ·图像滤波 | 第27-28页 |
| ·人脸识别算法分析 | 第28-31页 |
| ·基于几何特征的人脸识别方法 | 第28-29页 |
| ·仿生模式的人脸识别研究 | 第29-30页 |
| ·弹性图匹配的识别方法 | 第30-31页 |
| ·隐马尔可夫模型法 | 第31页 |
| ·本章小结 | 第31-32页 |
| 3. 基于 Gabor 小波特征提取 | 第32-49页 |
| ·小波变换 | 第32-33页 |
| ·连续小波变换 | 第32-33页 |
| ·离散小波变换 | 第33页 |
| ·基于视觉模型的 Gabor 小波 | 第33-36页 |
| ·初级视觉系统 | 第33-34页 |
| ·Gabor 小波变换 | 第34-36页 |
| ·Gabor 小波的优缺点 | 第36页 |
| ·基于 Gabor 特征提取算法 | 第36-42页 |
| ·利用 Gabor 小波特征提取的一般方法 | 第36-37页 |
| ·二维小波分解及重构 | 第37-40页 |
| ·一种新的 Gabor 小波特征提取算法 | 第40-42页 |
| ·基于多通道的 2DPCA 二次特征提取 | 第42-47页 |
| ·主成分分析（PCA） | 第42-43页 |
| ·二维主成分分析 | 第43-44页 |
| ·一种新的基于 2DPCA 分类二次特征提取 | 第44-47页 |
| ·一种基于 Gabor 权重的 2DPCA 特征提取 | 第47页 |
| ·本章小结 | 第47-49页 |
| 4. 分类器与识别算法实验研究 | 第49-60页 |
| ·几种主要特征分类器综述 | 第49-51页 |
| ·子空间分类器 | 第49-50页 |
| ·最近邻分类器 | 第50页 |
| ·贝叶斯分类器 | 第50-51页 |
| ·神经网络分类器 | 第51页 |
| ·支持向量机分类器（SVM） | 第51-55页 |
| ·支持向量机原理 | 第52-53页 |
| ·SVM 核函数 | 第53-54页 |
| ·多分类支持向量机 | 第54-55页 |
| ·基于支持向量机的人脸图像分类 | 第55-56页 |
| ·基于 Gabor 权重的 2DPCA 特征提取算法实验分析 | 第56-59页 |
| ·实验分析一 | 第56-57页 |
| ·实验分析二 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 5. 总结与展望 | 第60-62页 |
| ·论文研究工作总结 | 第60页 |
| ·研究工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67-68页 |