| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·人脸识别的研究现状及主要内容 | 第9-11页 |
| ·人脸识别的研究现状 | 第9-10页 |
| ·人脸识别的研究内容 | 第10-11页 |
| ·人脸识别技术的主要方法 | 第11-13页 |
| ·基于面部几何特征的方法 | 第11页 |
| ·基于模板匹配的方法 | 第11页 |
| ·基于代数特征的方法 | 第11-12页 |
| ·基于神经网络的方法 | 第12页 |
| ·基于隐马尔可夫模型的方法 | 第12页 |
| ·基于图像重建的人脸识别方法 | 第12-13页 |
| ·人脸识别系统的简介 | 第13-14页 |
| ·论文的主要内容及各章的安排 | 第14-16页 |
| ·本文的主要内容 | 第14-15页 |
| ·本文各章节的安排 | 第15-16页 |
| 2 人脸图像的检测与预处理 | 第16-24页 |
| ·人脸的检测与定位 | 第16-20页 |
| ·Adaboost算法 | 第16-19页 |
| ·本文提出的人脸检测算法 | 第19-20页 |
| ·预处理过程 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于二维主成分分析的人脸识别 | 第24-30页 |
| ·主成分分析（PCA）算法 | 第24-26页 |
| ·K-L变换的基本原理 | 第24页 |
| ·K-L变换 | 第24-25页 |
| ·典型的PCA人脸识别 | 第25-26页 |
| ·基于二维主成分分析（2DPCA)的人脸识别方法 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 4 基于二维Gabor小波的特征提取 | 第30-35页 |
| ·Gabor小波 | 第30-33页 |
| ·Gabor小波理论 | 第30页 |
| ·Gabor小波变换 | 第30-33页 |
| ·Gabor小波特征的提取 | 第33-34页 |
| ·Gabor滤波器参数的选择 | 第33页 |
| ·Gabor小波变换的人脸特征提取 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 5 基于 2DPCA和二维Gabor小波变换的人脸识别 | 第35-39页 |
| ·人脸特征提取 | 第35-37页 |
| ·全局人脸特征的提取 | 第35页 |
| ·局部人脸特征的提取 | 第35-37页 |
| ·构建双层分类器 | 第37-38页 |
| ·全局和局部分类器的建立与并行集成 | 第37-38页 |
| ·由粗到精的双层分类器设计 | 第38页 |
| ·本章小结 | 第38-39页 |
| 6 实验结果 | 第39-47页 |
| ·实验参数设置 | 第39-41页 |
| ·实验测试环境 | 第41-43页 |
| ·仿真实验 | 第43-46页 |
| ·测试数据库简介 | 第43-44页 |
| ·仿真结果及分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 7 总结与展望 | 第47-49页 |
| ·全文工作总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |