| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第1章 绪论 | 第9-17页 |
| ·引言 | 第9页 |
| ·研究现状 | 第9-14页 |
| ·主元分析 | 第10-11页 |
| ·小波变换 | 第11-13页 |
| ·支持向量机 | 第13-14页 |
| ·研究难点 | 第14-15页 |
| ·研究意义和研究背景 | 第15-16页 |
| ·本文研究内容 | 第16页 |
| ·小结 | 第16-17页 |
| 第2章 基于阈值递增的人眼定位 | 第17-28页 |
| ·相关的图像处理方法 | 第18-22页 |
| ·图像均衡 | 第18-19页 |
| ·直方图的平滑 | 第19-20页 |
| ·初始阈值的估计 | 第20-21页 |
| ·二值图像中连通区域的标记 | 第21-22页 |
| ·人眼定位算法 | 第22-26页 |
| ·人眼位置判定准则 | 第22-23页 |
| ·相似度分析并确定人眼的位置 | 第23-26页 |
| ·仿真实验 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第3章 基于 GABOR 小波和二维主元分析的人脸识别 | 第28-40页 |
| ·GABOR小波变换 | 第29-30页 |
| ·Gabor 小波 | 第29-30页 |
| ·Gabor 特征表示 | 第30页 |
| ·与特征降维相关的算法 | 第30-35页 |
| ·PCA 算法思想 | 第30-31页 |
| ·SVD | 第31-33页 |
| ·2DPCA 的思想 | 第33-35页 |
| ·基于GABOR小波和2DPCA 的人脸识别 | 第35-37页 |
| ·基于Gabor 小波的图像特征提取 | 第35页 |
| ·2DPCA 的特征降维 | 第35-36页 |
| ·分类器设计 | 第36-37页 |
| ·仿真实验 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第4章 基于 GABOR 小波和支持向量机的人脸识别 | 第40-57页 |
| ·与支持向量机相关的概念 | 第41-44页 |
| ·经验风险最小化 | 第41-42页 |
| ·VC 维 | 第42-43页 |
| ·结构风险最小化 | 第43-44页 |
| ·支持向量机理论 | 第44-50页 |
| ·线性分类器和线性可分问题 | 第44-47页 |
| ·线性不可分问题 | 第47-49页 |
| ·非线性问题 | 第49-50页 |
| ·基于GABOR小波和支持向量机的人脸识别的三个问题研究 | 第50-53页 |
| ·累积贡献率问题 | 第50-51页 |
| ·多项式核的阶数问题 | 第51-53页 |
| ·支持向量机和最大值相结合的特征分类 | 第53页 |
| ·仿真实验 | 第53-56页 |
| ·实验环境 | 第53-54页 |
| ·累积贡献率对识别率的影响 | 第54页 |
| ·多项式核函数的阶数对识别率的影响 | 第54-55页 |
| ·SVM&MAX 相结合的方法和 SVM 方法的比较 | 第55-56页 |
| ·小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 攻读硕士学位期间完成的论文及参加的项目 | 第67页 |
