| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 人脸识别研究内容及意义 | 第9-11页 |
| 1.1.1 研究内容 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 人脸识别中的关键问题 | 第13-14页 |
| 1.3.1 人脸检测与定位 | 第14页 |
| 1.3.2 人脸图像特征提取 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 人脸图像预处理及其标准化 | 第16-32页 |
| 2.1 人脸检测与定位 | 第16-24页 |
| 2.1.1 高斯肤色模型 | 第17-19页 |
| 2.1.2 人脸图像分割 | 第19-21页 |
| 2.1.3 图像滤波 | 第21-22页 |
| 2.1.4 人脸面部定位 | 第22-24页 |
| 2.2 光照处理 | 第24-30页 |
| 2.2.1 直方图均衡化 | 第24-25页 |
| 2.2.2 伽马变换 | 第25-26页 |
| 2.2.3 朗伯光照模型 | 第26页 |
| 2.2.4 对数变换结合朗伯光照模型 | 第26-28页 |
| 2.2.5 改进的同态滤波融合对数变换的光照处理 | 第28-30页 |
| 2.3 图像大小归一化 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 Gabor小波融合LBP的人脸特征提取研究 | 第32-46页 |
| 3.1 局部二值模式和Gabor小波特性分析 | 第32-35页 |
| 3.1.1 局部二值模式(Local Binary Pattern，LBP)原理 | 第32-33页 |
| 3.1.2 Gabor小波原理 | 第33-35页 |
| 3.2 2D-Gabor小波融合均匀模式LBP的人脸特征提取 | 第35-40页 |
| 3.2.1 基于光照不变性的特征提取算法改进 | 第36-39页 |
| 3.2.2 改进的Gabor-ULBP特征的算法 | 第39-40页 |
| 3.3 特征向量分类识别 | 第40-45页 |
| 3.3.1 人脸图像常用的相似度测量和距离测度 | 第40-41页 |
| 3.3.2 最近邻 | 第41-42页 |
| 3.3.3 支持向量机 | 第42-43页 |
| 3.3.4 实验结果分析 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 本文算法在高校迎新系统中的应用 | 第46-54页 |
| 4.1 需求分析 | 第46页 |
| 4.2 系统概要设计 | 第46-47页 |
| 4.3 系统详细设计 | 第47-49页 |
| 4.4 系统实现 | 第49-52页 |
| 4.4.1 系统开发平台 | 第49页 |
| 4.4.2 开发环境配置 | 第49-50页 |
| 4.4.3 各子模块实现及测试 | 第50-52页 |
| 4.5 系统测试结果分析 | 第52-53页 |
| 4.5.1 数据来源 | 第52页 |
| 4.5.2 结果分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 在校期间科研成果 | 第60页 |
