| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 本课题研究背景和意义 | 第11-12页 |
| 1.2 本课题研究现状 | 第12-13页 |
| 1.3 本文采用的人脸识别数据库 | 第13-14页 |
| 1.4 本文的创新点和组织结构 | 第14-16页 |
| 第二章 光照归一化算法验证分析 | 第16-28页 |
| 2.1 伽马校正 | 第16-18页 |
| 2.1.1 算法原理 | 第16-17页 |
| 2.1.2 伽马校正验证分析 | 第17-18页 |
| 2.2 对数变换 | 第18-20页 |
| 2.2.1 算法原理 | 第18-19页 |
| 2.2.2 对数变换验证分析 | 第19-20页 |
| 2.3 直方图均衡化 | 第20-23页 |
| 2.3.1 算法原理 | 第20-23页 |
| 2.3.2 直方图均衡化验证分析 | 第23页 |
| 2.4 同态滤波 | 第23-25页 |
| 2.4.1 算法原理 | 第23-24页 |
| 2.4.2 同态滤波验证分析 | 第24-25页 |
| 2.5 光照归一化算法分析 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于局部归一化和LBP特征的人脸识别算法 | 第28-45页 |
| 3.1 基本LBP算子 | 第28-30页 |
| 3.2 基本LBP算子发展和演化 | 第30-35页 |
| 3.2.1 等价LBP模式 | 第30-32页 |
| 3.2.2 旋转不变LBP模式 | 第32-34页 |
| 3.2.3 基于分块的LBP描述子 | 第34-35页 |
| 3.3 基于局部归一化和LBP特征的人脸识别算法 | 第35-40页 |
| 3.3.1 光照变化对LBP特征直方图的影响 | 第35-36页 |
| 3.3.2 基于局部归一化和LBP特征的直方图特征提取 | 第36-40页 |
| 3.4 基于局部归一化和LBP特征的人脸识别算法分析 | 第40-44页 |
| 3.4.1 不同窗口大小对本文方法的影响 | 第41-42页 |
| 3.4.2 不同分块大小对本文方法的影响 | 第42-43页 |
| 3.4.3 算法对比分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于光照模型的光照不变特征提取算法验证分析 | 第45-62页 |
| 4.1 朗伯光照模型 | 第45-46页 |
| 4.2 多尺度Retinex算法（MSR） | 第46-49页 |
| 4.2.1 多尺度Retinex算法描述 | 第46-47页 |
| 4.2.2 多尺度Retinex算法验证分析 | 第47-49页 |
| 4.3 自商图像算法（SQI） | 第49-52页 |
| 4.3.1 自商图像算法描述 | 第49-50页 |
| 4.3.2 自商图像算法验证分析 | 第50-52页 |
| 4.4 基于小波变换的算法（WT） | 第52-60页 |
| 4.4.1 连续小波变换 | 第52-53页 |
| 4.4.2 离散小波变换 | 第53-54页 |
| 4.4.3 多尺度分析 | 第54-56页 |
| 4.4.4 WT算法描述 | 第56-58页 |
| 4.4.5 WT算法验证分析 | 第58-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 基于Curvelet变换和Retinex理论的人脸识别算法 | 第62-74页 |
| 5.1 Curvelet变换理论及其实现 | 第62-67页 |
| 5.1.1 Curvelet变换 | 第63-65页 |
| 5.1.2 快速Curvelet变换 | 第65页 |
| 5.1.3 Curvelet变换系数分析 | 第65-67页 |
| 5.2 基于Curvelet变换和Retinex理论的光照不变特征提取方法 | 第67-70页 |
| 5.2.1 低频子带双边滤波平滑处理 | 第67-69页 |
| 5.2.2 高频子带阈值去噪处理 | 第69-70页 |
| 5.3 算法对比分析 | 第70-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 本文总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
