| 内容提要 | 第1-7页 |
| 第1章 绪论 | 第7-12页 |
| ·人脸识别的研究背景 | 第7页 |
| ·人脸识别的研究内容 | 第7-8页 |
| ·人脸识别研究及发展现状 | 第8-11页 |
| ·人脸识别发展现状 | 第8-9页 |
| ·国内外人脸识别理论研究机构 | 第9-10页 |
| ·国内外人脸识别系统产品发展现状 | 第10-11页 |
| ·本文的研究内容和主要贡献 | 第11-12页 |
| 第2章 独立分量分析相关基础知识 | 第12-18页 |
| ·引言 | 第12页 |
| ·多维统计的线性变换 | 第12-13页 |
| ·统计独立 | 第13-14页 |
| ·随机事件的独立性 | 第13页 |
| ·统计独立的随机变量 | 第13-14页 |
| ·高阶统计量 | 第14-16页 |
| ·高阶矩 | 第14-15页 |
| ·高阶累积量 | 第15-16页 |
| ·信息论 | 第16-18页 |
| ·熵 | 第16页 |
| ·互信息 | 第16-17页 |
| ·散度 | 第17页 |
| ·峰度 | 第17页 |
| ·负熵 | 第17-18页 |
| 第3章 独立分量分析 | 第18-29页 |
| ·引言 | 第18页 |
| ·鸡尾酒会问题 | 第18页 |
| ·ICA 定义及数学模型 | 第18-20页 |
| ·ICA 实现原理 | 第20-23页 |
| ·ICA 的模糊性 | 第20页 |
| ·ICA 的独立性测试准则 | 第20-21页 |
| ·ICA 信号分离的实现过程 | 第21-23页 |
| ·现有两种常用的ICA 算法 | 第23-29页 |
| ·Infomax 算法 | 第23-25页 |
| ·Fixed-Point 算法 | 第25-29页 |
| 第4章 基于ICA 的人脸识别 | 第29-45页 |
| ·概述 | 第29页 |
| ·图像读入 | 第29页 |
| ·人脸图像预处理 | 第29-35页 |
| ·人脸图像色彩转换处理 | 第30-31页 |
| ·人脸图像几何归一化处理 | 第31-32页 |
| ·人脸图像灰度归一化处理 | 第32-33页 |
| ·PCA 处理 | 第33-34页 |
| ·人脸图像的白化处理 | 第34-35页 |
| ·特征提取 | 第35-39页 |
| ·人脸特征 | 第35-36页 |
| ·人脸表示 | 第36-37页 |
| ·ICA 脸识别方法 | 第37-38页 |
| ·独立分量选择 | 第38-39页 |
| ·人脸识别分类器的设计 | 第39-40页 |
| ·向量的绝对距离 | 第39页 |
| ·向量的欧氏距离 | 第39-40页 |
| ·向量的余弦距离 | 第40页 |
| ·实验与结果分析 | 第40-45页 |
| ·实验结果 | 第41-42页 |
| ·结果分析 | 第42-45页 |
| 第5章 基于ICA 的人脸识别原型设计 | 第45-49页 |
| ·引言 | 第45页 |
| ·人脸识别原型设计 | 第45-49页 |
| ·系统流程图 | 第45-46页 |
| ·部分界面效果图 | 第46-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录A 不同样本及选择不同数量基图像的识别率 | 第53-57页 |
| 附录B 不同样本及选择不同数量基图像的识别率（带噪声） | 第57-58页 |
| 摘要 | 第58-60页 |
| Abstract | 第60-62页 |
| 致谢 | 第62页 |