| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 论文研究目的 | 第11-13页 |
| 1.2 人脸识别研究及发展现状 | 第13-14页 |
| 1.3 人脸识别研究的主要难点及解决思路 | 第14-15页 |
| 1.4 本文主要研究内容和结构安排 | 第15-17页 |
| 第二章 人脸识别相关技术研究 | 第17-29页 |
| 2.1 系统概述 | 第17页 |
| 2.2 人脸检测与定位 | 第17-18页 |
| 2.3 图像预处理 | 第18-21页 |
| 2.3.1 图像去噪 | 第18页 |
| 2.3.2 直方图均衡化 | 第18-20页 |
| 2.3.3 光照归一化 | 第20页 |
| 2.3.4 尺度归一化 | 第20-21页 |
| 2.4 人脸识别基本方法 | 第21-26页 |
| 2.5 人脸识别常用数据库 | 第26-28页 |
| 2.5.1 国外人脸数据库 | 第26-28页 |
| 2.5.2 国内人脸数据库 | 第28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 曲波变换理论及其实现 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 小波变换 | 第29-31页 |
| 3.2.1 连续小波变换 | 第30-31页 |
| 3.2.2 离散小波变换 | 第31页 |
| 3.3 第一代曲波变换 | 第31-32页 |
| 3.4 第二代曲波变换 | 第32-39页 |
| 3.4.1 连续Curvelet变换 | 第33-34页 |
| 3.4.2 离散Curvelet变换 | 第34-36页 |
| 3.4.3 第二代曲波变换系数 | 第36-37页 |
| 3.4.4 基于Wrapping的快速离散Curvelet变换实现方法 | 第37-38页 |
| 3.4.5 基于第二代Curvelet变换的人脸图像分解 | 第38-39页 |
| 3.5 小结 | 第39-41页 |
| 第四章 基于核主成分分析的人脸特征提取 | 第41-57页 |
| 4.1 特征提取的意义 | 第41页 |
| 4.2 基于主成分分析的人脸特征提取 | 第41-47页 |
| 4.2.1 K-L变换原理 | 第41-43页 |
| 4.2.2 基于K-L变换特征提取的理论 | 第43-45页 |
| 4.2.3 特征脸空间的形成 | 第45-46页 |
| 4.2.4 利用特征脸空间来识别人脸 | 第46-47页 |
| 4.2.5 PCA算法的优缺点分析 | 第47页 |
| 4.3 基于核主成成分分析的人脸特征提取 | 第47-55页 |
| 4.3.1 核方法基本概念 | 第47-48页 |
| 4.3.2 核主成成分分析 | 第48-49页 |
| 4.3.3 基于KPCA的人脸识别方法 | 第49-50页 |
| 4.3.4 KPCA的优点总结 | 第50页 |
| 4.3.5 支持向量机概述 | 第50-52页 |
| 4.3.6 线性支持向量机 | 第52-53页 |
| 4.3.7 非线性支持向量机与核函数 | 第53-54页 |
| 4.3.8 多分类支持向量机 | 第54-55页 |
| 4.4 总结 | 第55-57页 |
| 第五章 实验仿真结果及讨论 | 第57-65页 |
| 5.1 引言 | 第57页 |
| 5.2 基于核主成成分分析的人脸识别方法 | 第57-61页 |
| 5.3 基于数据融合的人脸识别方法 | 第61-64页 |
| 5.4 总结 | 第64-65页 |
| 第六章 总结和展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 后续工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读学位期间发表的学术论文 | 第73-74页 |
| 附件 | 第74页 |