| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·人脸识别的发展与现状 | 第10-12页 |
| ·人脸识别发展历史 | 第10页 |
| ·人脸识别发展的国内外现状 | 第10-12页 |
| ·人脸数据库简介 | 第12-14页 |
| ·人脸图像数据库 | 第12-14页 |
| ·本文所采用的人脸数据库 | 第14页 |
| ·论文研究内容概括 | 第14-15页 |
| ·论文组织结构 | 第15-17页 |
| 第二章 人脸特征提取与分类器设计基础 | 第17-29页 |
| ·引言 | 第17页 |
| ·特征提取方法 | 第17-19页 |
| ·基于面部几何特征的方法 | 第17-18页 |
| ·基于模板匹配的方法 | 第18页 |
| ·基于小波包分解的局部特征的识别算法 | 第18-19页 |
| ·基于子空间的方法 | 第19页 |
| ·基于子空间分析方法的人脸识别 | 第19-24页 |
| ·基本线性子空间方法 | 第19-21页 |
| ·二维线性子空间方法 | 第21-22页 |
| ·核方法 | 第22-24页 |
| ·分类器设计 | 第24-25页 |
| ·最小距离分类器 | 第24页 |
| ·最近邻法分类器 | 第24页 |
| ·贝叶斯分类器 | 第24-25页 |
| ·测评指标与测评比较 | 第25-28页 |
| ·评价指标 | 第25-26页 |
| ·测评比较与分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于客户相关多核学习的人脸验证方法 | 第29-39页 |
| ·引言 | 第29-30页 |
| ·基于客户相关的多核学习方法 | 第30-32页 |
| ·多核学习方法的降维 | 第30-31页 |
| ·基于 CSMKL 的特征提取 | 第31-32页 |
| ·分类 | 第32页 |
| ·实验结果与分析 | 第32-37页 |
| ·本章小结 | 第37-39页 |
| 第四章 融合局部和全局上下文信息的人脸特征提取方法 | 第39-47页 |
| ·引言 | 第39-40页 |
| ·基于 LGCCLDA 方法的特征提取 | 第40-42页 |
| ·图像分割 | 第40页 |
| ·上下文约束鉴别分析方法 | 第40-42页 |
| ·分类 | 第42页 |
| ·实验结果与分析 | 第42-46页 |
| ·参数选择 | 第43页 |
| ·ORL 数据库上的人脸识别 | 第43-44页 |
| ·XM2VTS 数据库上的人脸识别 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 图像梯度方向的子空间方法 | 第47-57页 |
| ·引言 | 第47页 |
| ·融合图像梯度方向的特征提取 | 第47-49页 |
| ·图像的梯度方向 | 第48页 |
| ·融合图像梯度方向的主成分分析方法 | 第48-49页 |
| ·融合图像梯度方向的线性鉴别分析方法 | 第49页 |
| ·融合图像梯度方向的二维子空间方法 | 第49页 |
| ·实验结果与分析 | 第49-55页 |
| ·本章小结 | 第55-57页 |
| 总结与展望 | 第57-59页 |
| 本文的工作总结 | 第57-58页 |
| 未来的工作展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 A：作者在攻读硕士学位期间发表的论文 | 第65-66页 |
| 附录 B：作者在攻读硕士学位期间参加的科研项目 | 第66页 |