| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·人脸识别的主要研究问题 | 第9页 |
| ·人脸识别发展概述 | 第9-10页 |
| ·基于几何特征阶段 | 第9-10页 |
| ·基于模板匹配阶段 | 第10页 |
| ·智能学习阶段 | 第10页 |
| ·人脸识别研究的主要方法 | 第10-12页 |
| ·弹性匹配方法 | 第11页 |
| ·子空间方法 | 第11-12页 |
| ·神经网络方法 | 第12页 |
| ·隐马尔可夫模型方法 | 第12页 |
| ·本文结构介绍 | 第12-14页 |
| 第二章 特征提取和PCA算法 | 第14-21页 |
| ·引言 | 第14页 |
| ·离散Karhunen-loeve变换 | 第14-16页 |
| ·K-L展开式 | 第14-15页 |
| ·特征提取准则 | 第15-16页 |
| ·熵函数与各类正交变换比较 | 第16-18页 |
| ·主成分分析(PCA)和特征脸(eigenfaces)算法 | 第18-21页 |
| 第三章 人脸识别的分类算法研究 | 第21-26页 |
| ·引言 | 第21页 |
| ·最近特征线法 | 第21-23页 |
| ·K最近特征线分类法 | 第23页 |
| ·贝叶斯分类法 | 第23-26页 |
| ·最大后验准则 | 第23-24页 |
| ·最小风险判决准则 | 第24-25页 |
| ·极大似然准则 | 第25-26页 |
| 第四章 贝叶斯策略人脸识别方法 | 第26-33页 |
| ·引言 | 第26页 |
| ·贝叶斯公式 | 第26-27页 |
| ·多类分类转化为两类分类 | 第27-28页 |
| ·贝叶斯分类器 | 第28-32页 |
| ·识别结果分析 | 第32-33页 |
| 第五章 贝叶斯方法的改进与结果分析 | 第33-47页 |
| ·小波分析基础 | 第33-38页 |
| ·傅立叶变换 | 第33-34页 |
| ·一维小波变换 | 第34-37页 |
| ·二维小波变换 | 第37-38页 |
| ·Haar小波对样本的处理 | 第38-39页 |
| ·改进的混高斯模型 | 第39-40页 |
| ·对先验概率的改进 | 第40-42页 |
| ·实验结果及分析 | 第42-47页 |
| 第六章 总结与展望 | 第47-49页 |
| ·本文工作总结 | 第47页 |
| ·对未来工作展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |