| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状及发展趋势 | 第8-9页 |
| 1.3 主要人脸识别方法介绍 | 第9-11页 |
| 1.4 影响人脸识别技术的因素 | 第11-13页 |
| 1.5 本文研究工作与章节安排 | 第13-15页 |
| 第二章 小波变换理论及其在人脸特征提取中的应用 | 第15-28页 |
| 2.1 小波变换基本理论 | 第15-21页 |
| 2.1.1 连续小波变换 | 第16页 |
| 2.1.2 二进小波变换 | 第16-17页 |
| 2.1.3 离散小波变换 | 第17页 |
| 2.1.4 多分辨率分析和Mallat快速算法 | 第17-21页 |
| 2.2 线性鉴别分析和统计不相关鉴别分析 | 第21-25页 |
| 2.2.1 线性鉴别分析 | 第21-23页 |
| 2.2.2 统计不相关鉴别分析 | 第23-24页 |
| 2.2.3 融合小波变换和统计不相关鉴别分析的人脸识别 | 第24-25页 |
| 2.3 仿真实验及分析 | 第25-27页 |
| 2.3.1 ORL人脸库上的对比实验 | 第25-26页 |
| 2.3.2 UMIST人脸库上的对比实验 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于小波变换的光照不变特征提取算法研究 | 第28-49页 |
| 3.1 光照不变特征提取算法 | 第29-31页 |
| 3.1.1 朗伯光照模型 | 第29-30页 |
| 3.1.2 对数变换在朗伯光照模型中的应用 | 第30-31页 |
| 3.2 常用光照处理算法 | 第31-38页 |
| 3.2.1 直方图均衡化 | 第31-32页 |
| 3.2.2 伽马变换 | 第32-33页 |
| 3.2.3 自商图像 | 第33-34页 |
| 3.2.4 多尺度Retinex | 第34页 |
| 3.2.5 小波变换方法 | 第34-38页 |
| 3.3 小波光照不变特征提取算法的改进 | 第38-48页 |
| 3.3.1 算法步骤 | 第38-39页 |
| 3.3.2 仿真实验 | 第39-42页 |
| 3.3.3 改进方法与原方法的对比实验 | 第42-43页 |
| 3.3.4 不同小波基对实验结果的影响 | 第43-44页 |
| 3.3.5 不同参数组合对识别性能的影响 | 第44-47页 |
| 3.3.6 与其它算法的对比实验 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 一种融合低频信息的小波光照不变特征提取算法 | 第49-58页 |
| 4.1 小波域低频子带的高斯滤波平滑处理 | 第49-51页 |
| 4.1.1 图像的高斯滤波平滑处理方法 | 第49-51页 |
| 4.1.2 小波低频子带细节信息提取 | 第51页 |
| 4.2 融合低频信息的光照不变特征提取算法 | 第51-52页 |
| 4.3 仿真实验及分析 | 第52-57页 |
| 4.3.1 融合特征仿真实验 | 第52-55页 |
| 4.3.2 融合方法与其它方法对比实验 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 全文总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-66页 |