| 第一章 绪论 | 第1-22页 |
| ·论文背景 | 第12-14页 |
| ·问题的提出 | 第12-13页 |
| ·人脸识别的应用 | 第13-14页 |
| ·人脸识别的发展 | 第14-15页 |
| ·人脸识别的主要内容及方法 | 第15-19页 |
| ·人脸识别的主要内容 | 第15-16页 |
| ·人脸识别的主要方法 | 第16-19页 |
| ·基于几何特征的方法 | 第16-17页 |
| ·基于代数特征的人脸识别方法 | 第17-18页 |
| ·其他方法 | 第18-19页 |
| ·基于DSP的人脸识别系统 | 第19-21页 |
| ·论文的主要工作和各章内容安排 | 第21-22页 |
| 第二章 人脸图像的预处理 | 第22-32页 |
| ·灰度预处理 | 第22-24页 |
| ·图像的平滑去噪 | 第22-23页 |
| ·提高图像对比度 | 第23页 |
| ·灰度归一化 | 第23-24页 |
| ·基于眼部特征的定位算法 | 第24-27页 |
| ·积分投影法 | 第24-25页 |
| ·一种微分与积分投影相结合的眼睛定位算法 | 第25-27页 |
| ·基于眼部特征的垂直定位 | 第25-26页 |
| ·眼睛水平定位 | 第26-27页 |
| ·实验结果 | 第27页 |
| ·角度预处理 | 第27-28页 |
| ·尺寸预处理 | 第28-30页 |
| ·图像裁减和缩放 | 第29-30页 |
| ·几何失真校正 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第三章 基于代数特征的特征提取和人脸识别 | 第32-48页 |
| ·K-L变换和主成分分析(PCA) | 第32-37页 |
| ·K—L变换 | 第32-35页 |
| ·K—L变换的数学描述 | 第32-34页 |
| ·K—L变换用于人脸识别 | 第34-35页 |
| ·主成分分析(特征脸方法) | 第35-37页 |
| ·Fisher标准和LDA方法 | 第37-40页 |
| ·Fisher标准 | 第37页 |
| ·LDA方法 | 第37-40页 |
| ·LDA方法概述 | 第37-39页 |
| ·LDA方法中存在的问题 | 第39-40页 |
| ·二维PCA方法以及针对本系统做出的改进 | 第40-44页 |
| ·二维主成分分析 | 第41-42页 |
| ·算法基本思想 | 第41-42页 |
| ·基于2DPCA的人脸识别 | 第42页 |
| ·基于类间散布矩阵的2DPCA | 第42-44页 |
| ·实验及结论 | 第44-47页 |
| ·实验用数据库 | 第44-45页 |
| ·实验结果及分析 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第四章 基于DSP的算法实现及优化 | 第48-59页 |
| ·引论 | 第48-49页 |
| ·TMS320C6000系列芯片的特点 | 第49-51页 |
| ·TMS320C6000系列芯片的共同特征 | 第49-50页 |
| ·DM642芯片的主要特征 | 第50-51页 |
| ·TMS320C6000源代码开发流程和代码优化技术 | 第51-58页 |
| ·TMS320C6000平台上的三种代码 | 第51-53页 |
| ·开发流程 | 第53-58页 |
| ·分析和设计C代码 | 第53-54页 |
| ·内联函数的使用及数据打包技术 | 第54页 |
| ·C代码转为线性汇编 | 第54-58页 |
| ·小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-62页 |
| ·本文主要工作 | 第59-60页 |
| ·对未来工作的展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士期间参与的课题和发表的论文 | 第67页 |