| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·人脸识别研究的背景及难度 | 第10页 |
| ·人脸识别的应用领域 | 第10-11页 |
| ·人脸识别的发展与现状 | 第11-12页 |
| ·人脸识别的结构及方法 | 第12-16页 |
| ·人脸识别结构 | 第12-13页 |
| ·人脸识别方法 | 第13-16页 |
| ·本文结构介绍 | 第16-17页 |
| 2 基于小波技术的人脸图像特征提取 | 第17-24页 |
| ·小波变换简介 | 第17-18页 |
| ·小波变换思想 | 第17-18页 |
| ·小波变换优点 | 第18页 |
| ·二维离散小波变换 | 第18-20页 |
| ·基于小波变换的人脸图像特征提取 | 第20-24页 |
| ·小波变换低频子带作为人脸图像的特征数据 | 第21页 |
| ·小波变换低频子带与原图像结合作为人脸图像的特征数据 | 第21-22页 |
| ·小波变换低频子带与水平边缘细节子带结合作为人脸图像的特征数据 | 第22-24页 |
| 3 基于主成分分析的人脸识别方法 | 第24-46页 |
| ·离散 Kathunen-Loeve变换 | 第24-27页 |
| ·离散K-L展开式 | 第24-26页 |
| ·离散K-L变换的特征提取 | 第26-27页 |
| ·主成分分析(PCA) | 第27-32页 |
| ·PCA概念及原理 | 第27-28页 |
| ·PCA在人脸识别中具体算法 | 第28-30页 |
| ·距离测量 | 第30页 |
| ·实验分析 | 第30-32页 |
| ·解决小样本问题的一种方法 | 第32-36页 |
| ·问题的提出 | 第32-33页 |
| ·样本生成方法 | 第33-34页 |
| ·实验分析 | 第34-36页 |
| ·基于小波变换的PCA方法 | 第36-41页 |
| ·实验1 | 第36页 |
| ·实验2 | 第36-38页 |
| ·实验3 | 第38-39页 |
| ·实验4 | 第39-40页 |
| ·实验5 | 第40-41页 |
| ·二维主成分分析(2DPCA) | 第41-46页 |
| ·2DPCA算法基本思想及原理 | 第41-43页 |
| ·基于2DPCA的图像重构 | 第43页 |
| ·基于2DPCA算法的人脸识别 | 第43-44页 |
| ·实验结果及分析 | 第44-46页 |
| 4 基于核主成分分析的人脸识别方法 | 第46-56页 |
| ·核方法 | 第46-48页 |
| ·核主成分分析(KPCA)概念及原理 | 第48-50页 |
| ·KPCA概念 | 第48-49页 |
| ·KPCA原理 | 第49-50页 |
| ·实验分析 | 第50-56页 |
| ·实验1 | 第50-51页 |
| ·实验2 | 第51-52页 |
| ·实验3 | 第52-54页 |
| ·实验4 | 第54-56页 |
| 5 基于增量主成分分析(CCIPCA)的人脸识别 | 第56-68页 |
| ·CCIPCA概念 | 第56页 |
| ·算法推导 | 第56-59页 |
| ·第一个特征向量推导 | 第56-57页 |
| ·直观的解释 | 第57-58页 |
| ·高阶特征向量 | 第58-59页 |
| ·特征值相等 | 第59页 |
| ·CCIPCA算法在人脸识别中的应用 | 第59-61页 |
| ·实验分析 | 第61-68页 |
| ·实验1 | 第61-63页 |
| ·实验2 | 第63-65页 |
| ·实验3 | 第65-68页 |
| 结论 | 第68-70页 |
| 本文工作总结 | 第68页 |
| 未来工作展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间发表学术论文情况 | 第73-74页 |
| 致谢 | 第74-75页 |