| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 第1章.绪论 | 第12-21页 |
| ·研究背景与意义 | 第12-14页 |
| ·研究现状 | 第14-19页 |
| ·人脸识别技术在国外的研究现状 | 第14-15页 |
| ·人脸识别技术在国内的研究现状 | 第15-16页 |
| ·人脸识别技术相关发表的论文数量 | 第16-17页 |
| ·现有方法的总结 | 第17-18页 |
| ·人脸识别测试数据库 | 第18-19页 |
| ·本文研究内容 | 第19-20页 |
| ·本文的组织结构 | 第20-21页 |
| 第2章.相关研究工作 | 第21-34页 |
| ·引言 | 第21-22页 |
| ·图像处理基本知识 | 第22-23页 |
| ·数字图像的物理基础 | 第22-23页 |
| ·图像预处理基本知识 | 第23-24页 |
| ·特征提取 | 第24-33页 |
| ·局部二值模式(Local Binary Pattern) | 第24-27页 |
| ·Gabor小波变换 | 第27-32页 |
| ·SIFT特征人脸描述 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第3章.基于SIFT算法的特征提取 | 第34-43页 |
| ·SIFT算子 | 第35-41页 |
| ·SIFT特征向量的生成 | 第35-41页 |
| ·基于SIFT的人脸表示 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章.基于支持向量机的人脸识别 | 第43-56页 |
| ·最优超平面 | 第43-44页 |
| ·线性支持向量机 | 第44-47页 |
| ·非线性支持向量机 | 第47-49页 |
| ·多类支持向量机 | 第49-52页 |
| ·一对其它(one against the rest) | 第49-51页 |
| ·一对一(one against one) | 第51-52页 |
| ·基于支持向量机的人脸识别方法研究 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第5章.人脸识别的相关实验及分析 | 第56-64页 |
| ·数据集和实验说明 | 第56-57页 |
| ·实验结果 | 第57-63页 |
| ·性能测试 | 第57-58页 |
| ·ORL人脸数据库实验结果及分析 | 第58-59页 |
| ·Yale人脸数据库实验结果及分析 | 第59-60页 |
| ·基于二叉树结构的SVM的性能测试 | 第60-62页 |
| ·SIFT方法和基于二叉树结构的SVM的人脸识别结果 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章.总结和进一步工作 | 第64-66页 |
| ·本文工作总结 | 第64页 |
| ·进一步工作展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录1:作者攻读硕士学位期间发表的论文 | 第70页 |
| 附录2:作者攻读硕士学位期间申请的发明专利 | 第70页 |
