| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| Contents | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| ·课题研究背景及其意义 | 第14-15页 |
| ·国内外研究现状 | 第15-20页 |
| ·人脸检测研究现状 | 第15-17页 |
| ·人脸识别研究现状 | 第17-20页 |
| ·本文框架结构 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第二章 基于改进级联分类器的人脸检测方法 | 第22-32页 |
| ·系统框架 | 第22-23页 |
| ·经典的AdaBoost算法 | 第23-27页 |
| ·AdaBoost算法简介 | 第23页 |
| ·矩形特征选取 | 第23-26页 |
| ·弱分类器的构造 | 第26页 |
| ·强分类器的构造 | 第26-27页 |
| ·基于改进的AdaBoost算法的人脸检测 | 第27-29页 |
| ·肤色模型 | 第27-28页 |
| ·光线补偿 | 第28-29页 |
| ·小脸图像的放大处理 | 第29页 |
| ·实验结果及分析 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第三章 人脸图像预处理 | 第32-37页 |
| ·引言 | 第32页 |
| ·图像灰度化 | 第32-33页 |
| ·图像增强 | 第33-36页 |
| ·光照补偿 | 第33-34页 |
| ·图像滤波 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第四章 基于统计的人脸特征提取方法 | 第37-49页 |
| ·经典的PCA算法 | 第37-42页 |
| ·PCA算法的数学模型 | 第37-38页 |
| ·PCA算法的基础 | 第38-39页 |
| ·PCA算法在图像特征提取时的求解过程 | 第39页 |
| ·PCA算法求解过程中的难点 | 第39-40页 |
| ·PCA算法在人脸识别的应用 | 第40-41页 |
| ·PCA算法的优劣 | 第41-42页 |
| ·线性判别分析法 | 第42-44页 |
| ·线性判别分析在图像特征提取中的应用 | 第42-43页 |
| ·改进的线性鉴别分析 | 第43-44页 |
| ·线性判别法的求解过程 | 第44页 |
| ·线性判别分析中的一些问题 | 第44-45页 |
| ·仿真实验 | 第45-48页 |
| ·小结 | 第48-49页 |
| 第五章 基于半偶图像的LBP与DCT特征融合的LDA算法 | 第49-61页 |
| ·局部二进制模式 | 第49-51页 |
| ·局部二进制模式简介 | 第49-50页 |
| ·局部二进制模式在人脸识别中的应用 | 第50-51页 |
| ·半偶图像的引入 | 第51-52页 |
| ·离散余弦变换(DCT)在图像处理中的应用 | 第52-53页 |
| ·基于半偶图像的DCT和LBP特征融合的人脸识别 | 第53-55页 |
| ·2DLDA算法在人脸识别的应用 | 第55-56页 |
| ·基于半偶图像的2DLDA算法(HE2DLDA) | 第56页 |
| ·实验结果及分析 | 第56-60页 |
| ·小结 | 第60-61页 |
| 第六章 人脸识别系统的设计与实现 | 第61-70页 |
| ·人脸识别系统的大致流程 | 第61页 |
| ·整个系统的设计与实现 | 第61-66页 |
| ·系统所需的开发环境 | 第61-62页 |
| ·系统总体框架的设计 | 第62页 |
| ·系统各主要模块的设计与实现 | 第62-66页 |
| ·测试系统的各项功能 | 第66-69页 |
| ·小结 | 第69-70页 |
| 总结与展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间申请的专利 | 第75-77页 |
| 致谢 | 第77页 |