| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外的研究情况 | 第10-15页 |
| 1.3 论文的研究内容及结构 | 第15-18页 |
| 1.3.1 论文的研究内容 | 第15-16页 |
| 1.3.2 论文结构 | 第16-18页 |
| 第2章 基于二维图像的PCA和LDA算法 | 第18-26页 |
| 2.1 二维主成分分析和二维线性判别分析 | 第18-19页 |
| 2.1.1 二维主成分分析 | 第18页 |
| 2.1.2 二维线性判别分析 | 第18-19页 |
| 2.2 对角主成分分析和对角线性判别分析 | 第19-22页 |
| 2.2.1 对角主成分分析 | 第19-21页 |
| 2.2.2 对角线性判别分析 | 第21-22页 |
| 2.3 实验结果分析 | 第22-25页 |
| 2.3.1 AR人脸库上的实验结果 | 第22-23页 |
| 2.3.2 ORL人脸库上的实验结果 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 2DPCA+2DLDA和改进的LPP相结合的人脸识别算法 | 第26-36页 |
| 3.1 改进的局部保持投影算法 | 第26-27页 |
| 3.2 2DPCA+2DLDA和改进的LPP相结合的人脸识别算法的步骤 | 第27-30页 |
| 3.2.1 训练阶段的步骤 | 第28-30页 |
| 3.2.2 识别阶段的步骤 | 第30页 |
| 3.3 实验结果分析 | 第30-35页 |
| 3.3.1 实验参数的设定 | 第30-31页 |
| 3.3.2 Yale人脸库上的实验结果 | 第31-33页 |
| 3.3.3 ORL人脸库上的实验结果 | 第33-34页 |
| 3.3.4 结果分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 对角PCA+LDA与优化的LPP算法相结合的人脸识别算法 | 第36-46页 |
| 4.1 优化的局部保持投影算法 | 第36-37页 |
| 4.2 对角PCA+LDA与优化的LPP算法相结合的人脸识别算法的步骤 | 第37-41页 |
| 4.2.1 训练阶段的步骤 | 第37-40页 |
| 4.2.2 识别阶段的步骤 | 第40-41页 |
| 4.3 实验结果分析 | 第41-45页 |
| 4.3.1 Yale人脸库上的实验结果 | 第41-42页 |
| 4.3.2 ORL人脸库上的实验结果 | 第42-43页 |
| 4.3.3 AR人脸库上的实验结果 | 第43-44页 |
| 4.3.4 结果分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 基于梯度的二维自适应局部保持投影算法 | 第46-57页 |
| 5.1 二维局部保持投影算法 | 第46-47页 |
| 5.2 二维自适应局部保持投影算法 | 第47-48页 |
| 5.3 基于梯度的二维自适应局部保持投影算法的原理 | 第48-51页 |
| 5.3.1 基于梯度信息的人脸识别方法 | 第49页 |
| 5.3.2 基于梯度的二维自适应局部保持投影算法的步骤 | 第49-51页 |
| 5.4 实验结果分析 | 第51-56页 |
| 5.4.1 Yale人脸库上的实验结果 | 第51-53页 |
| 5.4.2 ORL人脸库上的实验结果 | 第53-55页 |
| 5.4.3 结果分析 | 第55-56页 |
| 5.5 本章总结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录A 个人简历 | 第63-64页 |
| 附录B 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录C 论文中的用图 | 第65-66页 |
| 附录D 论文中的用表 | 第66页 |
