| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·人脸识别的研究背景和研究意义 | 第7-8页 |
| ·人脸识别的研究现状 | 第8-9页 |
| ·本文的内容和安排 | 第9-11页 |
| 第二章 人脸图像的特征提取和识别 | 第11-29页 |
| ·基于主成分分析的特征提取方法 | 第11-13页 |
| ·二维 Gabor 滤波和空间区域直方图相结合的特征提取方法 | 第13-19页 |
| ·Gabor 滤波器 | 第13-16页 |
| ·空间区域直方图特征提取方法 | 第16-18页 |
| ·空间区域 Gabor 均值特征提取方法 | 第18-19页 |
| ·分类器介绍 | 第19-23页 |
| ·KNN 分类器 | 第19-21页 |
| ·支持向量机（SVM）分类器 | 第21-23页 |
| ·实验结果及分析 | 第23-27页 |
| ·人脸数据库（ORL）介绍 | 第23-24页 |
| ·实验结果 | 第24-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 贝叶斯学习理论 | 第29-39页 |
| ·贝叶斯理论 | 第29-35页 |
| ·先验分布的选择 | 第29-30页 |
| ·后验分布的估计 | 第30-32页 |
| ·期望最大化（EM）算法基本理论 | 第32-33页 |
| ·Lower Bound 的计算 | 第33-35页 |
| ·分层贝叶斯模型 | 第35-38页 |
| ·变分贝叶斯学习 | 第35-36页 |
| ·变分贝叶斯期望最大（VBEM）算法 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于约束因子分析模型的人脸图像姿态重构 | 第39-61页 |
| ·约束因子分析模型 | 第39-42页 |
| ·传统的因子分析模型 | 第39-40页 |
| ·约束因子分析（T-FA）模型 | 第40-42页 |
| ·分层贝叶斯约束因子分析模型和参数学习 | 第42-49页 |
| ·分层贝叶斯 T-FA 模型 | 第42-44页 |
| ·T-FA 模型的 VBEM 参数学习 | 第44-48页 |
| ·Lower Bound 的计算 | 第48-49页 |
| ·实验结果 | 第49-60页 |
| ·数据库介绍 | 第49-50页 |
| ·仿真实验分析 | 第50-56页 |
| ·实验结果 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 结束语 | 第61-63页 |
| ·内容总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 读研期间研究成果 | 第68-69页 |