| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景和意义 | 第10页 |
| 1.2 人脸识别的发展历程 | 第10-13页 |
| 1.2.1 人脸识别的研究历史 | 第10-12页 |
| 1.2.2 人脸识别的研究现状 | 第12-13页 |
| 1.3 人脸识别技术的优势和缺陷 | 第13-14页 |
| 1.4 常用的人脸识别方法 | 第14-16页 |
| 1.5 本文的主要研究内容 | 第16-18页 |
| 第2章 基于Gabor小波的人脸表示 | 第18-26页 |
| 2.1 Gabor变换的定义 | 第18-19页 |
| 2.2 2DGabor小波变换及其参数选择 | 第19-22页 |
| 2.2.1 2DGabor小波变换 | 第20-21页 |
| 2.2.2 2DGabor小波函数参数选定 | 第21-22页 |
| 2.3 人脸图像的 2DGabor小波特征提取 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于子空间的人脸识别算法 | 第26-39页 |
| 3.1 基于主成分分析的人脸识别 | 第26-30页 |
| 3.1.1 K-L变换 | 第26-27页 |
| 3.1.2 主成分分析算法原理 | 第27-28页 |
| 3.1.3 基于主成分分析的人脸识别算法 | 第28-30页 |
| 3.2 基于二维主成分分析的人脸识别 | 第30-33页 |
| 3.2.1 二维主成分分析算法原理 | 第30-31页 |
| 3.2.2 基于二维主成分分析的人脸识别 | 第31-32页 |
| 3.2.3 二维主成分分析图像重构分析 | 第32-33页 |
| 3.3 基于互协方差交叉运算的人脸识别 | 第33-37页 |
| 3.3.1 Cro2DPCA算法基本原理 | 第34-35页 |
| 3.3.2 Cro2DPCA算法应用于人脸识别 | 第35-37页 |
| 3.4 Cro2DPCA算法优势分析 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于2DGabor小波和Cro2DPCA的人脸识别算法 | 第39-50页 |
| 4.1 引言 | 第39页 |
| 4.2 算法实现步骤 | 第39-41页 |
| 4.3 特征提取以及分类器设计 | 第41-42页 |
| 4.3.1 特征提取方法介绍 | 第41页 |
| 4.3.2 分类器设计 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-47页 |
| 4.4.1 ORL数据库实验 | 第43-44页 |
| 4.4.2 AR数据库实验 | 第44-46页 |
| 4.4.3 FERET数据库实验 | 第46-47页 |
| 4.5 本章小结 | 第47-50页 |
| 第5章 基于2DGabor小波和Cro2DPCA的人脸识别系统设计 | 第50-57页 |
| 5.1 系统总体结构 | 第51-53页 |
| 5.2 开发环境介绍 | 第53页 |
| 5.2.1 硬件环境 | 第53页 |
| 5.2.2 软件环境 | 第53页 |
| 5.3 功能模块实现 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64页 |