| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状及发展动态分析 | 第12-14页 |
| ·人脸图像的预处理 | 第14-15页 |
| ·人脸检测 | 第15-16页 |
| ·存在的问题与难点 | 第16-17页 |
| ·本文研究内容 | 第17页 |
| ·本文组织结构 | 第17-19页 |
| 第2章 人脸识别算法和评判标准介绍 | 第19-27页 |
| ·人脸识别算法介绍 | 第19-25页 |
| ·PCA 人脸识别算法 | 第19-20页 |
| ·贝叶斯 PCA 人脸识别算法 | 第20页 |
| ·Fisher 脸(LDA)人脸识别算法 | 第20-21页 |
| ·基于隐马尔科夫模型（HMM）人脸识别算法 | 第21-22页 |
| ·基于小波变换的人脸识别算法 | 第22-23页 |
| ·基于神经网络的人脸识别算法 | 第23-24页 |
| ·基于 SVM(支持向量机)的人脸识别算法 | 第24-25页 |
| ·人脸图像识别的评价标准 | 第25页 |
| ·主要的人脸数据库 | 第25-27页 |
| 第3章 2DLDA 和复数 LDA 的分析和比较 | 第27-34页 |
| ·2DLDA 简介 | 第27-29页 |
| ·复数矩阵 LDA 简介 | 第29页 |
| ·近红外图像简介 | 第29-30页 |
| ·近红外图像的信息融合 | 第30-31页 |
| ·两种方法识别性能的比较 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第4章 一种结合欧氏距离和平均脸的分类器 ED-AF | 第34-40页 |
| ·经典分类器算法 | 第34-35页 |
| ·欧氏距离最近邻分类器 | 第34页 |
| ·马氏距离最近邻分类器 | 第34-35页 |
| ·k 近邻分类器 | 第35页 |
| ·现有分类器的不足 | 第35-36页 |
| ·结合欧氏距离和平均脸改进的 ED-AF 分类器 | 第36-38页 |
| ·实验结果分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 一种自适应增强 E2DLDA 人脸识别算法 | 第40-53页 |
| ·目前对 LDA 和 2DLDA 的改进算法 | 第40-41页 |
| ·改进的自适应增强 E2DLDA | 第41-48页 |
| ·类内离散度矩阵的一种改进 | 第41-44页 |
| ·类间离散度矩阵的一种改进 | 第44-45页 |
| ·特征提取方法 | 第45-46页 |
| ·最佳自适应参数的设定 | 第46-48页 |
| ·实验结果分析 | 第48-52页 |
| ·多种算法对比效果分析 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| ·总结 | 第53-54页 |
| ·工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 A 攻读硕士学位期间发表论文及参加科研项目 | 第59-60页 |
| 致谢 | 第60页 |