| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第13-28页 |
| 1.1 人脸识别的研究背景及意义 | 第13-14页 |
| 1.1.1 人脸识别的研究背景 | 第13页 |
| 1.1.2 人脸识别的研究意义 | 第13-14页 |
| 1.2 人脸识别的问题描述 | 第14-16页 |
| 1.3 人脸识别的发展及研究现状 | 第16-17页 |
| 1.4 人脸特征提取 | 第17-25页 |
| 1.4.1 基于知识的特征提取 | 第18页 |
| 1.4.2 基于统计学习的特征提取 | 第18-25页 |
| 1.5 论文的主要工作 | 第25-26页 |
| 1.6 论文余下章的布局 | 第26-28页 |
| 2 类属保持投影的人脸特征提取 | 第28-43页 |
| 2.1 引言 | 第28-29页 |
| 2.2 相关线性特征提取方法 | 第29-32页 |
| 2.2.1 主成分分析 | 第30-31页 |
| 2.2.2 线性鉴别分析 | 第31页 |
| 2.2.3 局部保持投影 | 第31-32页 |
| 2.3 类属保持投影 | 第32-35页 |
| 2.3.1 类属计算 | 第33页 |
| 2.3.2 邻接矩阵构造及特征提取 | 第33-34页 |
| 2.3.3 算法描述 | 第34-35页 |
| 2.4 实验 | 第35-42页 |
| 2.4.1 实验所用人脸库 | 第35-36页 |
| 2.4.2 实验结果及分析 | 第36-42页 |
| 2.5 本章小结 | 第42-43页 |
| 3 最大边界学习投影的人脸特征提取 | 第43-58页 |
| 3.1 引言 | 第43页 |
| 3.2 相关算法 | 第43-47页 |
| 3.2.1 边界费舍尔分析 | 第43-45页 |
| 3.2.2 局部敏感鉴别分析 | 第45-47页 |
| 3.3 最大边界学习投影 | 第47-51页 |
| 3.3.1 算法思想 | 第47-49页 |
| 3.3.2 目标函数 | 第49页 |
| 3.3.3 最大边界学习投影线性嵌入 | 第49-50页 |
| 3.3.4 算法描述 | 第50-51页 |
| 3.4 实验 | 第51-56页 |
| 3.4.1 实验所用人脸库 | 第51页 |
| 3.4.2 实验结果及分析 | 第51-56页 |
| 3.5 本章小结 | 第56-58页 |
| 4 分类概率保持鉴别分析的人脸特征提取 | 第58-67页 |
| 4.1 引言 | 第58-59页 |
| 4.2 分类概率保持鉴别分析 | 第59-62页 |
| 4.2.1 算法思想 | 第59-61页 |
| 4.2.2 分类概率计算 | 第61页 |
| 4.2.3 目标函数 | 第61-62页 |
| 4.2.4 算法描述 | 第62页 |
| 4.3 实验 | 第62-65页 |
| 4.3.1 实验所用人脸库 | 第63页 |
| 4.3.2 实验结果及分析 | 第63-65页 |
| 4.4 本章小结 | 第65-67页 |
| 5 隶属度保持鉴别分析的人脸特征提取 | 第67-79页 |
| 5.1 引言 | 第67页 |
| 5.2 隶属度保持鉴别分析 | 第67-69页 |
| 5.2.1 算法思想 | 第67-68页 |
| 5.2.2 隶属度计算 | 第68页 |
| 5.2.3 目标函数 | 第68-69页 |
| 5.2.4 算法描述 | 第69页 |
| 5.3 实验 | 第69-77页 |
| 5.3.1 高维数据的二维可视化 | 第70-72页 |
| 5.3.2 实验结果及分析 | 第72-77页 |
| 5.4 本章小结 | 第77-79页 |
| 6 本文所提出的四种方法的比较分析 | 第79-90页 |
| 6.1 引言 | 第79页 |
| 6.2 CPP、MMLP、CPPDA、MPDA间的区别与联系 | 第79-80页 |
| 6.3 实验及结果分析 | 第80-88页 |
| 6.3.1 在AR人脸库上的实验 | 第80-84页 |
| 6.3.2 在FERET人脸库上的实验 | 第84-85页 |
| 6.3.3 在Extended Yale B人脸库上的实验 | 第85-87页 |
| 6.3.4 在PIE人脸库上的实验 | 第87-88页 |
| 6.4 本章小结 | 第88-90页 |
| 7 总结与展望 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-105页 |
| 附录 | 第105页 |