| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-16页 |
| ·模式识别与生物特征识别 | 第7页 |
| ·人脸识别研究的重要意义 | 第7-8页 |
| ·人脸识别的主要内容和困难 | 第8-9页 |
| ·人脸识别的主要内容 | 第8-9页 |
| ·人脸识别的困难 | 第9页 |
| ·人脸识别的研究现状 | 第9-14页 |
| ·基于几何特征的人脸识别 | 第9-10页 |
| ·基于子空间分析的人脸识别 | 第10-12页 |
| ·基于神经网络的方法 | 第12-13页 |
| ·基于小波变换特征的人脸识别 | 第13页 |
| ·基于隐马尔可夫模型的人脸识别 | 第13-14页 |
| ·本文的主要内容 | 第14-16页 |
| 2 基于奇异值特征的人脸识别 | 第16-25页 |
| ·引言 | 第16页 |
| ·图像的奇异值分解 | 第16-18页 |
| ·图像奇异值特征的识别有效性研究 | 第18-20页 |
| ·基于投影变换的奇异值特征提取 | 第20-21页 |
| ·基于奇异值特征的人脸识别 | 第21页 |
| ·实验结果及分析 | 第21-24页 |
| ·小结 | 第24-25页 |
| 3 主成分分析及其在人脸识别中的应用 | 第25-37页 |
| ·引言 | 第25页 |
| ·主成分分析(PCA)的基本原理 | 第25-28页 |
| ·数据分解和重建 | 第25-27页 |
| ·数据降维和误差分析 | 第27-28页 |
| ·主成分分析在人脸识别中的应用(特征脸方法) | 第28-32页 |
| ·特征脸空间的形成 | 第28-31页 |
| ·利用特征脸空间来识别人脸 | 第31-32页 |
| ·特征向量的选择 | 第32-33页 |
| ·距离度量准则 | 第33-34页 |
| ·实验结果及分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4.基于线性判别分析的人脸识别 | 第37-46页 |
| ·引言 | 第37页 |
| ·基于Fisher准则的线性判别分析(F-LDA) | 第37-41页 |
| ·两类问题的Fisher线性判别 | 第37-39页 |
| ·多类问题的Fisher线性判别 | 第39-41页 |
| ·线性判别分析中的小样本问题 | 第41-42页 |
| ·主成分分析和线性判别分析结合的特征提取方法(PCA+LDA) | 第42-44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 二维主成分分析方法及其改进 | 第46-55页 |
| ·引言 | 第46页 |
| ·二维主成分分析(2DPCA)的基本思想和方法 | 第46-48页 |
| ·基于2DPCA的人脸识别 | 第48-50页 |
| ·基于2DPCA的人脸特征提取 | 第48-49页 |
| ·2DPCA分类器的设计 | 第49页 |
| ·基于2DPCA的图像重构研究 | 第49-50页 |
| ·改进的2DPCA方法及其在人脸识别中的应用 | 第50-52页 |
| ·改进的2DPCA的基本思想和方法 | 第50-51页 |
| ·基于改进2DPCA的人脸识别 | 第51-52页 |
| ·实验结果及分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 6 结论与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |