| 论文摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究内容 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第2章 相关研究工作 | 第15-28页 |
| ·近红外图像成像原理 | 第15-16页 |
| ·图像预处理算法 | 第16-19页 |
| ·人脸图像归一化 | 第16-17页 |
| ·图像增强 | 第17-19页 |
| ·人脸特征描述 | 第19-24页 |
| ·基于主动形状模型的人脸描述 | 第19-21页 |
| ·基于主动表观模型的人脸描述 | 第21-22页 |
| ·Gabor变换 | 第22-24页 |
| ·LBP特征 | 第24页 |
| ·人脸姿态估计方法 | 第24-25页 |
| ·主要人脸识别算法 | 第25-27页 |
| ·人工神经网络 | 第25-26页 |
| ·支持向量机 | 第26-27页 |
| ·AdaBoost算法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 一种改进的基于近红外图像人脸识别算法 | 第28-42页 |
| ·算法概述 | 第28页 |
| ·基于边缘统计和特征定位的人脸姿态估计方法 | 第28-34页 |
| ·基于边缘统计特征的人脸姿态估计 | 第29-32页 |
| ·基于特征定位的人脸姿态估计 | 第32-34页 |
| ·基于LBP特征的人脸识别算法 | 第34-41页 |
| ·LBP特征 | 第34-37页 |
| ·AdaBoost算法概述 | 第37-38页 |
| ·AdaBoost强分类器构建 | 第38-40页 |
| ·级联AdaBoost分类器 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 实验系统设计与实现 | 第42-48页 |
| ·实验系统总体结构 | 第42页 |
| ·人脸识别训练器设计与实现 | 第42-46页 |
| ·样本生成模块 | 第42-44页 |
| ·特征向量集生成模块 | 第44-45页 |
| ·强分类器训练模块 | 第45-46页 |
| ·人脸识别器设计与实现 | 第46-47页 |
| ·人脸姿态估计模块 | 第46-47页 |
| ·身份识别模块 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第5章 实验与评估 | 第48-57页 |
| ·实验数据 | 第48-49页 |
| ·实验方法与结果 | 第49-55页 |
| ·人脸姿态估计实验方法与结果 | 第50-51页 |
| ·基于AdaBoost算法的人脸识别实验方法与结果 | 第51-52页 |
| ·改进的人脸识别实验方法与结果 | 第52-55页 |
| ·实验分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-58页 |
| ·论文总结 | 第57页 |
| ·后续工作展望 | 第57-58页 |
| 附录 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |