| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 人脸识别技术的发展过程 | 第10-14页 |
| 1.2 人脸识别的应用 | 第14-15页 |
| 1.3 人脸识别的优势与挑战性 | 第15-18页 |
| 1.4 人脸识别技术研究内容 | 第18-19页 |
| 1.5 人脸识别技术研究现状 | 第19-20页 |
| 1.6 本文的内容安排 | 第20-22页 |
| 第2章 人脸识别研究的相关理论 | 第22-33页 |
| 2.1 常用人脸识别方法的研究 | 第22-30页 |
| 2.2 测试人脸库 | 第30-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于加权Fisher脸的特征抽取方法 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 欧氏距离和马氏距离 | 第33-35页 |
| 3.2.1 欧氏距离 | 第33-34页 |
| 3.2.2 马氏距离 | 第34-35页 |
| 3.3 主成分分析(PCA) | 第35-36页 |
| 3.4 加权主成分分析(WPCA) | 第36-37页 |
| 3.5 线性鉴别分析(LDA) | 第37-38页 |
| 3.5.1 线性鉴别分析理论 | 第37-38页 |
| 3.5.2 LDA算法的步骤 | 第38页 |
| 3.6 加权线性鉴别分析(WLDA) | 第38-39页 |
| 3.7 基于加权Fisher脸的特征抽取方法 | 第39-41页 |
| 3.7.1 单边加权PCA法 | 第39-40页 |
| 3.7.2 单边加权LDA法 | 第40页 |
| 3.7.3 双边加权法 | 第40-41页 |
| 3.8 实验及分析 | 第41-44页 |
| 3.8.1 ORL库的实验 | 第41-43页 |
| 3.8.2 AR库的实验 | 第43-44页 |
| 3.9 本章小结 | 第44-45页 |
| 第4章 基于动态反馈的加权Fisher脸特征抽取方法 | 第45-52页 |
| 4.1 引言 | 第45页 |
| 4.2 传统的PCA和LDA的不足 | 第45页 |
| 4.3 动态反馈的过程 | 第45-46页 |
| 4.4 算法的实现 | 第46-47页 |
| 4.5 实验及分析 | 第47-51页 |
| 4.5.1 ORL人脸库 | 第47-49页 |
| 4.5.2 YALE人脸库 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于动态反馈的二维Fisher脸的特征抽取方法 | 第52-63页 |
| 5.1 引言 | 第52页 |
| 5.2 二维主成分分析(2DPCA) | 第52-55页 |
| 5.2.1 思想和算法 | 第52-54页 |
| 5.2.2 特征提取 | 第54页 |
| 5.2.3 分类方法 | 第54-55页 |
| 5.2.4 图像重构 | 第55页 |
| 5.3 二维线性鉴别分析( 2DLDA) | 第55-57页 |
| 5.4 基于动态反馈的二维Fisher脸的特征抽取方法 | 第57-59页 |
| 5.5 实验与分析 | 第59-62页 |
| 5.5.1 ORL人脸库实验 | 第59-61页 |
| 5.5.2 YALE人脸库实验 | 第61-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-72页 |
| 作者攻读硕士期间完成的学术论文目录 | 第72-73页 |
