| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 人脸识别过程 | 第9-11页 |
| 1.4 常用人脸数据库 | 第11-12页 |
| 1.5 人脸识别系统的评价 | 第12页 |
| 1.6 论文的主要内容及文章结构 | 第12-14页 |
| 第二章 人脸图像预处理 | 第14-22页 |
| 2.1 人脸图像的几何归一化 | 第14-18页 |
| 2.1.1 人脸图像旋转 | 第14-15页 |
| 2.1.2 人脸图像裁剪 | 第15-16页 |
| 2.1.3 人脸图像缩放 | 第16页 |
| 2.1.4 人脸图像几何归一化结果 | 第16-18页 |
| 2.2 人脸图像的灰度归一化 | 第18-20页 |
| 2.2.1 对比度增强 | 第18-19页 |
| 2.2.2 直方图均衡化 | 第19-20页 |
| 2.3 人脸图像边缘检测和锐化处理 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 人脸识别的特征提取技术与分类器设计 | 第22-51页 |
| 3.1 人脸特征提取 | 第22-40页 |
| 3.1.1 主成分分析算法 | 第23-27页 |
| 3.1.2 二维主成分分析算法 | 第27-31页 |
| 3.1.3 独立成分分析算法 | 第31-33页 |
| 3.1.4 线性判别分析算法 | 第33-36页 |
| 3.1.5 非负矩阵分解算法 | 第36-37页 |
| 3.1.6 离散余弦变换 | 第37-38页 |
| 3.1.7 小波技术 | 第38-40页 |
| 3.2 分类器设计 | 第40-48页 |
| 3.2.1 最近邻分类器 | 第40-42页 |
| 3.2.2 支持向量机 | 第42-48页 |
| 3.3 核方法在人脸识别中的应用 | 第48-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 实验结果及分析 | 第51-64页 |
| 4.1 人脸数据库与实验环境 | 第51-52页 |
| 4.1.1 ORL人脸数据库 | 第51-52页 |
| 4.1.2 实验环境 | 第52页 |
| 4.2 实验结果及分析 | 第52-58页 |
| 4.2.1 基于PCA的人脸识别算法 | 第52-54页 |
| 4.2.2 基于2DPCA算法的人脸识别算法 | 第54-56页 |
| 4.2.3 基于小波变换+2DPCA的人脸识别算法 | 第56页 |
| 4.2.4 基于KPCA的人脸识别算法 | 第56-57页 |
| 4.2.5 三种子空间的人脸识别算法 | 第57-58页 |
| 4.2.6 PCA, ICA, NNC, SVM的人脸识别算法 | 第58页 |
| 4.3 人脸识别系统 | 第58-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-65页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67页 |