| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 符号表 | 第7-10页 |
| 第1章 绪论 | 第10-20页 |
| ·人脸识别的背景 | 第10-15页 |
| ·生物特征识别概述 | 第10-11页 |
| ·人脸识别的优势以及研究内容 | 第11-14页 |
| ·人脸识别的应用 | 第14-15页 |
| ·人脸识别的主要方法以及研究现状 | 第15-18页 |
| ·人脸识别的主要方法 | 第15-16页 |
| ·子空间方法研究现状 | 第16-18页 |
| ·论文的主要工作及章节安排 | 第18-20页 |
| 第2章 两种经典线性子空间分析方法 | 第20-26页 |
| ·引言 | 第20页 |
| ·主成分分析（PCA）方法 | 第20-21页 |
| ·线性鉴别分析（LDA）方法 | 第21-25页 |
| ·LDA 的基本算法 | 第21-23页 |
| ·LDA 方法中小样本问题的几种解决方法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 核鉴别分析方法及其改进 | 第26-43页 |
| ·引言 | 第26页 |
| ·核鉴别分析（KFD）方法及其相关改进 | 第26-33页 |
| ·核方法的基本概念以及核主成分分析（KPCA）方法 | 第26-29页 |
| ·KFD 的基本原理与算法 | 第29-30页 |
| ·KFD 的实质：KPCA+LDA | 第30页 |
| ·完备核鉴别分析（CKFD）算法 | 第30-31页 |
| ·改进的 CKFD 方法 | 第31-33页 |
| ·最近邻分类 | 第33-35页 |
| ·最近邻分类的基本算法 | 第33-34页 |
| ·最近邻分类的算法性能 | 第34-35页 |
| ·实验结果 | 第35-42页 |
| ·人脸库简介 | 第35-36页 |
| ·实验环境 | 第36页 |
| ·图像的预处理 | 第36-40页 |
| ·实验结果 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于分块的加权迭代 2DLDA 方法 | 第43-57页 |
| ·引言 | 第43-44页 |
| ·基于二维图像矩阵的人脸特征提取方法 | 第44-46页 |
| ·二维主成分分析（2DPCA）的基本原理 | 第44-45页 |
| ·二维线性鉴别分析（2DLDA）的基本原理 | 第45-46页 |
| ·2DLDA 的实质及其相关改进方法 | 第46-47页 |
| ·2DLDA 的实质 | 第46页 |
| ·2DLDA 的主要改进方向 | 第46-47页 |
| ·一种新的分块加权迭代 2DLDA 算法 | 第47-51页 |
| ·迭代 2DLDA 算法 | 第47-49页 |
| ·分块加权迭代 2DLDA 算法 | 第49-51页 |
| ·最近邻分类 | 第51-53页 |
| ·目前存在的多种最近邻度量方法 | 第51页 |
| ·AMD 矩阵距离 | 第51-53页 |
| ·最近邻分类 | 第53页 |
| ·实验结果 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 结论与展望 | 第57-59页 |
| ·本文的工作总结 | 第57页 |
| ·工作展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 附录 A（攻读硕士学位期间发表的论文及奖励情况） | 第65页 |