| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·人脸识别技术研究现状 | 第7-9页 |
| ·研究背景和意义 | 第7页 |
| ·研究内容 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·本课题研究意义和现状 | 第9-10页 |
| ·本文的研究内容及结构安排 | 第10-11页 |
| ·研究内容 | 第10-11页 |
| ·结构安排 | 第11页 |
| ·本章小结 | 第11-13页 |
| 第二章 不同光照预处理方法研究 | 第13-33页 |
| ·基于小波变换的预处理(wavelet-based normalization) | 第13-14页 |
| ·自商图像(self-quotient) | 第14-15页 |
| ·Retinex 方法 | 第15-16页 |
| ·各向异性光滑处理(anisotropic smoothing) | 第16-17页 |
| ·同态滤波(homomorphic filtering) | 第17-19页 |
| ·局部对比增强(LCE) | 第19-20页 |
| ·实验结果和分析 | 第20-31页 |
| ·实验一 | 第21-29页 |
| ·实验二 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于Curvelet 变换的自适应特征提取算法 | 第33-43页 |
| ·基于Curvelet 的特征提取 | 第33-36页 |
| ·Curvelet 变换 | 第33-35页 |
| ·离散Curvelet 变换的实现方法 | 第35-36页 |
| ·自适应特征的提取 | 第36-38页 |
| ·候选特征的表示 | 第36-37页 |
| ·鉴别能力分析与特征选择 | 第37-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·分块熵特征表示的性能优势 | 第38-40页 |
| ·自适应特征选择 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 二维PCA 非参数子空间分析人脸识别算法 | 第43-51页 |
| ·非参数子空间分析(NSA) | 第43-44页 |
| ·2DPCA+2DNSA | 第44-45页 |
| ·二维主成分分析(2DPCA) | 第44页 |
| ·二维非参数子空间分析(2DNSA) | 第44-45页 |
| ·特征提取和分类 | 第45页 |
| ·实验结果与分析 | 第45-49页 |
| ·不同2DPCA 子空间对2DNSA 的影响 | 第46-47页 |
| ·方法性能分析 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 各种光照预处理与特征提取方法相互影响分析 | 第51-57页 |
| ·Yale 人脸数据库中的对比分析 | 第51-52页 |
| ·ORL 人脸数据库中的对比分析 | 第52-53页 |
| ·LARGE 人脸数据库中的对比分析 | 第53-54页 |
| ·PIE 人脸数据库中的对比分析 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·本文总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第66页 |
