| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 研究的背景与意义 | 第10-11页 |
| 1.2 人脸识别研究现状分析 | 第11-14页 |
| 1.2.1 人脸识别发展的三个阶段 | 第11-12页 |
| 1.2.2 国内外人脸识别商业发展现状 | 第12-14页 |
| 1.2.3 多姿态人脸识别面临的挑战 | 第14页 |
| 1.3 多姿态人脸识别系统框架 | 第14-16页 |
| 1.4 常用的多姿态人脸识别方法 | 第16-18页 |
| 1.5 人脸数据库介绍 | 第18-20页 |
| 1.5.1 ExtendedYaleDatabaseB(EYDB) | 第18-19页 |
| 1.5.2 HeadPoseImageDatabase(HPID) | 第19页 |
| 1.5.3 OlivettiResearchLaboratory(ORL) | 第19-20页 |
| 1.6 本文研究的主要内容 | 第20-21页 |
| 第2章 基于SIFT算法的人脸特征提取 | 第21-38页 |
| 2.1 尺度空间理论 | 第21-25页 |
| 2.1.1 高斯尺度空间 | 第21-22页 |
| 2.1.2 图像金字塔 | 第22-25页 |
| 2.2 SIFT算法相关原理 | 第25-32页 |
| 2.2.1 DoG尺度空间极值点检测 | 第25-26页 |
| 2.2.2 极值点的精确定位 | 第26-28页 |
| 2.2.3 关键点方向参数的确定 | 第28-30页 |
| 2.2.4 SIFT描述子的生成 | 第30-31页 |
| 2.2.5 SIFT描述子匹配 | 第31-32页 |
| 2.3 基于SIFT的多姿态人脸图像识别仿真实验 | 第32-37页 |
| 2.3.1 确定SIFT关键参数值 | 第32-34页 |
| 2.3.2 实验一：尺度缩放 | 第34页 |
| 2.3.3 实验二：图像旋转 | 第34-35页 |
| 2.3.4 实验三：光照变化 | 第35-36页 |
| 2.3.5 实验四：遮挡条件 | 第36-37页 |
| 2.3.6 实验五：姿态变化 | 第37页 |
| 2.4 本章小结 | 第37-38页 |
| 第3章 基于相位一致性的SIFT算法 | 第38-48页 |
| 3.1 相位一致性理论 | 第38-41页 |
| 3.2 结合相位一致性的SIFT特征筛选 | 第41-42页 |
| 3.3 基于相位一致性的SIFT算法流程 | 第42-43页 |
| 3.4 仿真实验与结果分析 | 第43-47页 |
| 3.4.1 确定相位一致性参数值 | 第43-44页 |
| 3.4.2 特征筛选仿真实验 | 第44-45页 |
| 3.4.3 改进匹配效果对比 | 第45-47页 |
| 3.4.4 综合性能对比 | 第47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于改进SIFT算法的多姿态人脸识别 | 第48-55页 |
| 4.1 基于改进SIFT算法的多姿态人脸识别框架 | 第48-49页 |
| 4.2 融合稀疏表示方法消除冗余特征 | 第49-52页 |
| 4.2.1 稀疏表示理论 | 第49-50页 |
| 4.2.2 基于稀疏表示的SIFT特征降维 | 第50-52页 |
| 4.3 仿真实验与结果分析 | 第52-54页 |
| 4.3.1 ORL人脸数据库 | 第52-53页 |
| 4.3.2 HPID人脸数据库 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 致谢 | 第63页 |
