| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| §1-1 研究背景及意义 | 第8-9页 |
| §1-2 性别识别的国内外研究现状 | 第9-11页 |
| §1-3 常用人脸库介绍 | 第11-12页 |
| §1-4 本文的主要研究内容 | 第12-14页 |
| 第二章 人脸图像预处理 | 第14-20页 |
| §2-1 预处理的作用及意义 | 第14页 |
| §2-2 人脸图像预处理的方法 | 第14-19页 |
| 2-2-1 图像灰度化 | 第14-15页 |
| 2-2-2 图像归一化 | 第15-18页 |
| 2-2-3 五官子区域的分割 | 第18页 |
| 2-2-4 直方图均衡化 | 第18-19页 |
| §2-3 本章小结 | 第19-20页 |
| 第三章 人脸图像的特征提取方法 | 第20-28页 |
| §3-1 主成分分析（PCA）方法 | 第20-23页 |
| 3-1-1 PCA的基本概念 | 第20页 |
| 3-1-2 PCA原理 | 第20-21页 |
| 3-1-3 主成分的求解步骤 | 第21页 |
| 3-1-4 PCA提取人脸图像特征 | 第21-23页 |
| §3-2 其他常用人脸特征提取方法 | 第23-27页 |
| 3-2-1 独立成分分析 | 第23-24页 |
| 3-2-2 局部二值模式 | 第24-27页 |
| §3-3 本章小结 | 第27-28页 |
| 第四章 性别识别的分类方法 | 第28-37页 |
| §4-1 机器学习及统计学理论 | 第28-30页 |
| 4-1-1 机器学习 | 第28-29页 |
| 4-1-2 统计学习理论 | 第29-30页 |
| §4-2 SVM的基本原理 | 第30-33页 |
| 4-2-1 线性可分情况 | 第30-31页 |
| 4-2-2 线性不可分情况 | 第31-32页 |
| 4-2-3 支持向量机 | 第32-33页 |
| §4-3 K-近邻法和贝叶斯决策简介 | 第33-35页 |
| 4-3-1 K-近邻法（KNN） | 第33页 |
| 4-3-2 贝叶斯决策理论 | 第33-35页 |
| §4-4 性别识别的分类器设计 | 第35页 |
| §4-5 本章小结 | 第35-37页 |
| 第五章 性别识别实验及结果分析 | 第37-45页 |
| §5-1 数据集及五官子区域分割 | 第37-40页 |
| 5-1-1 实验所采用数据集--THE FERET DATABASE | 第37页 |
| 5-1-2 五官子区域的分割 | 第37-40页 |
| §5-2 五官子区域的性别识别实验 | 第40-41页 |
| 5-2-1 特征提取与分类 | 第40-41页 |
| 5-2-2 实验结果分析 | 第41页 |
| §5-3 五官子区域组合的性别识别实验 | 第41-45页 |
| 5-3-1 组合方法介绍 | 第41-43页 |
| 5-3-2 实验结果与分析 | 第43-45页 |
| 第六章 总结与展望 | 第45-46页 |
| §6-1 总结 | 第45页 |
| §6-2 下一步工作展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49页 |