| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 概要 | 第7-16页 |
| ·论文主要研究内容和技术创新点 | 第7-8页 |
| ·主要研究内容 | 第7-8页 |
| ·技术创新点 | 第8页 |
| ·研究背景 | 第8-9页 |
| ·提取面部特征的研究意义 | 第9-10页 |
| ·国内外研究与发展现状 | 第10-11页 |
| ·国内研究现状 | 第10-11页 |
| ·国外研究现状 | 第11页 |
| ·面部特征提取方法概述 | 第11-15页 |
| ·传统的面部特征提取方法 | 第11-13页 |
| ·现代的面部特征提取方法 | 第13-15页 |
| ·论文章节安排 | 第15-16页 |
| 第2章 图像特征提取理论基础 | 第16-21页 |
| ·模式识别技术 | 第16-17页 |
| ·识别系统的组成 | 第16-17页 |
| ·特征提取准则和方法 | 第17-19页 |
| ·目标图像的边界特征提取 | 第18页 |
| ·目标图像的角点特征提取 | 第18-19页 |
| ·目标图像的区域特征提取 | 第19页 |
| ·图像小波分析技术 | 第19-21页 |
| 第3章 复杂背景面部特征提取的实现 | 第21-35页 |
| ·复杂背景面部数据初步提取 | 第21-27页 |
| ·复杂背景面部数据提取综述 | 第21-25页 |
| ·基于显式特征的方法 | 第21-22页 |
| ·基于肤色模型的方法 | 第22页 |
| ·基于模板匹配的方法 | 第22页 |
| ·基于知识的方法 | 第22页 |
| ·基于隐式特征的方法 | 第22-24页 |
| ·基于显式和隐式特征的方法优缺点 | 第24-25页 |
| ·基于YIQ色彩空间肤色模型的复杂背景面部数据提取 | 第25-27页 |
| ·归一化RGB方法 | 第25-26页 |
| ·YIQ色彩空间肤色模型方法 | 第26-27页 |
| ·面部图像去噪处理 | 第27-29页 |
| ·数字图像滤波方法概述 | 第27-28页 |
| ·线性与非线性滤波器 | 第27-28页 |
| ·滤波器的设计方法 | 第28页 |
| ·形态学滤波方法在面部图像去噪中的应用 | 第28-29页 |
| ·二值图像连通区域分类 | 第29-30页 |
| ·基于知识的双眼定位 | 第30-31页 |
| ·面部图像归一化处理 | 第31-33页 |
| ·面部图像小波分析 | 第33-34页 |
| ·小波图像特征提取 | 第34-35页 |
| 第4章 实验结果检验与分析 | 第35-42页 |
| ·特征提取预处理实验结果 | 第35-37页 |
| ·特征提取效果检测实验 | 第37-42页 |
| ·学习训练 | 第37-39页 |
| ·分类器的设计及实验结果分析 | 第39-42页 |
| ·Bhattacharyya距离分类器 | 第39-41页 |
| ·欧式距离分类器: | 第41-42页 |
| 第5章 总结 | 第42-44页 |
| ·全文小结 | 第42-43页 |
| ·后续研究展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-46页 |