| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究的目的及意义 | 第9-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文结构 | 第13-15页 |
| 第二章 Gabor小波技术的研究 | 第15-21页 |
| ·引言 | 第15页 |
| ·二维Gabor小波变换 | 第15-16页 |
| ·二维Gabor滤波器组的参数 | 第16-19页 |
| ·二维Gabor滤波器的参数 | 第17-18页 |
| ·参数的意义 | 第18-19页 |
| ·二维Gabor滤波器在人脸检测中的响应特性 | 第19-20页 |
| ·边缘特性 | 第19页 |
| ·亮度、位置 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第三章 BP神经网络 | 第21-26页 |
| ·人工神经网络 | 第21-23页 |
| ·生物神经元 | 第21页 |
| ·人工神经网络的基本概念 | 第21-22页 |
| ·人工神经网络分类 | 第22-23页 |
| ·BP神经网络 | 第23-26页 |
| ·BP神经网络的定义 | 第23页 |
| ·BP神经网络的基本原理 | 第23-24页 |
| ·BP神经网络的优点及其局限性 | 第24-26页 |
| 第四章 PCA主成分分析法原理分析 | 第26-31页 |
| ·引言 | 第26页 |
| ·PCA基本原理 | 第26-28页 |
| ·PCA的计算步骤 | 第28-31页 |
| 第五章 Matlab实现过程 | 第31-43页 |
| ·控制模块的设计 | 第31-33页 |
| ·样本数据的读取 | 第33页 |
| ·Gabor滤波器的创建和图像特征参数的提取与处理 | 第33-37页 |
| ·Gabor滤波器的创建 | 第33-36页 |
| ·特征向量的提取和PCA降维 | 第36-37页 |
| ·BP神经网络 | 第37-41页 |
| ·BP神经网络构建 | 第37-38页 |
| ·BP神经网络的训练和仿真 | 第38-39页 |
| ·对测试样本进行检测 | 第39-41页 |
| ·实验结果 | 第41-43页 |
| 第六章 结束语 | 第43-45页 |
| ·本文主要的研究工作 | 第43页 |
| ·进一步的研究和展望 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47页 |