| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究背景和意义 | 第10页 |
| ·国内外研究现状及分析 | 第10-15页 |
| ·人脸识别的研究现状 | 第10-13页 |
| ·子空间方法的研究现状 | 第13-15页 |
| ·实验人脸图像数据库 | 第15-17页 |
| ·ORL 人脸数据库库 | 第15-16页 |
| ·YALE 人脸数据库 | 第16页 |
| ·FERET 人脸数据库 | 第16-17页 |
| ·本文研究内容与结构 | 第17-20页 |
| ·本文的涉及方法及研究内容 | 第17-18页 |
| ·本文的内容结构 | 第18-20页 |
| 第2章 子空间基础上的人脸特征提取算法 | 第20-27页 |
| ·主成分分析 | 第20-22页 |
| ·Fisher 线性鉴别分析 | 第22-24页 |
| ·经典Fisher 鉴别分析 | 第22-23页 |
| ·Fisherfaces 方法 | 第23-24页 |
| ·核方法分析 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于二维Gabor 均值变换的人脸特征识别研究 | 第27-40页 |
| ·引言 | 第27-28页 |
| ·二维Gabor 小波变换的定义 | 第28-30页 |
| ·Gabor 滤波器 | 第30-38页 |
| ·Gabor 小波的性质和计算方法 | 第32-36页 |
| ·Gabor 变换在人脸图像特征提取方面的应用 | 第36-38页 |
| ·Gabor 变换的程序设计与分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于Gabor 均值和2DPCA 的人脸识别 | 第40-52页 |
| ·引言 | 第40页 |
| ·二维主分量（2DPCA）的基本思想 | 第40-46页 |
| ·双向2DPCA | 第40-43页 |
| ·双向2DPCA 的改进算法 | 第43-46页 |
| ·基于最近邻分类器进行分类 | 第46-47页 |
| ·实验结果及其分析 | 第47-50页 |
| ·基于ORL 人脸数据库的实验 | 第47-48页 |
| ·基于YALE 人脸数据库的实验 | 第48-50页 |
| ·基于FERET 人脸数据库的实验 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第5章 基于核函数的特征提取算法 | 第52-67页 |
| ·引言 | 第52-53页 |
| ·Fisher 线性判别算法分析 | 第53-56页 |
| ·核函数算法分析 | 第56-58页 |
| ·核Fisher 算法 | 第58-60页 |
| ·支持向量机分类器（SVM） | 第60-61页 |
| ·算法描述 | 第61-62页 |
| ·实验结果与分析 | 第62-66页 |
| ·基于ORL 人脸数据库的实验 | 第62-64页 |
| ·基于FERET 人脸数据库的实验 | 第64-65页 |
| ·基于YALE 人脸数据库的实验 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |