| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 人脸识别研究 | 第10-13页 |
| 1.3.1 人脸识别技术优点 | 第11-12页 |
| 1.3.2 主流人脸识别方法 | 第12页 |
| 1.3.3 人脸识别难点 | 第12-13页 |
| 1.4 人脸识别中常用的人脸图像库 | 第13-14页 |
| 1.5 章节安排 | 第14-16页 |
| 第二章 人脸图像预处理 | 第16-20页 |
| 2.1 灰度变换 | 第16页 |
| 2.2 二值化 | 第16-17页 |
| 2.3 几何校正 | 第17-18页 |
| 2.4 图像滤波 | 第18-19页 |
| 2.5 图像锐化 | 第19-20页 |
| 第三章 基于PCA和2DPCA的人脸识别 | 第20-30页 |
| 3.1 基于PCA的人脸识别 | 第20-25页 |
| 3.1.1 K-L变换的基本原理 | 第20-21页 |
| 3.1.2 特征空间的构造 | 第21-22页 |
| 3.1.3 训练样本的特征提取 | 第22-23页 |
| 3.1.4 选取合适的距离函数 | 第23-24页 |
| 3.1.5 基于特征脸的人脸识别 | 第24-25页 |
| 3.2 基于2DPCA的人脸识别 | 第25-27页 |
| 3.2.1 2DPCA基本原理 | 第25页 |
| 3.2.2 基于2DPCA的人脸特征提取 | 第25-26页 |
| 3.2.3 2DPCA分类器 | 第26页 |
| 3.2.4 基于2DPCA的图像重构 | 第26-27页 |
| 3.3 实验结果分析 | 第27-30页 |
| 第四章 人脸图像的Shearlet变换 | 第30-43页 |
| 4.1 剪切波 | 第30-31页 |
| 4.1.1 Shearlet变换的定义和性质 | 第30-31页 |
| 4.2 离散化的Shearlet | 第31-37页 |
| 4.2.1 离散剪切波(DSST) | 第33-37页 |
| 4.2.2 离散Shearlet的冗余度分析 | 第37页 |
| 4.3 图像的剪切波变换 | 第37-42页 |
| 4.3.1 Shearlet换方向和系数 | 第37-40页 |
| 4.3.2 图像经过Shearlet换后的低频和高频特征 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于支持向量机的人脸识别 | 第43-51页 |
| 5.1 支持向量机理论 | 第43-46页 |
| 5.2 支持向量机多分类 | 第46-48页 |
| 5.2.1 一对多方法 | 第47页 |
| 5.2.2 一对一方法 | 第47-48页 |
| 5.3 仿真实验及结果分析 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 基于Shearlet特征融合的人脸识别方法 | 第51-62页 |
| 6.1 RBF神经网络 | 第51-54页 |
| 6.1.1 RBF神经网络的性质 | 第51-53页 |
| 6.1.2 RBF神经网络的构建和初始化 | 第53-54页 |
| 6.2 RBF神经网络高斯宽度的估计 | 第54-55页 |
| 6.3 RBF神经网络的混合学习算法 | 第55-57页 |
| 6.3.1 权值矩阵的调整 | 第55页 |
| 6.3.2 隐含层中心和宽度的调整 | 第55-56页 |
| 6.3.3 RBF神经网络的学习过程 | 第56-57页 |
| 6.4 基于Shearlet和RBF神经网络的人脸特征提取 | 第57-59页 |
| 6.5 实验结果与分析 | 第59-62页 |
| 6.5.1 实验1 | 第59-60页 |
| 6.5.2 实验2 | 第60-62页 |
| 第七章 总结展望 | 第62-64页 |
| 7.1 总结 | 第62页 |
| 7.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
