| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·人脸识别概述 | 第10-11页 |
| ·小样本条件下的人脸图像特征抽取和识别方法研究概况 | 第11-15页 |
| ·本文主要研究工作概述 | 第15-16页 |
| ·本文内容安排 | 第16-17页 |
| 第2章 基于非线性最佳鉴别独立分量的人脸图像特征抽取和识别方法 | 第17-34页 |
| ·主分量分析 | 第17-18页 |
| ·核方法 | 第18-22页 |
| ·核主分量分析 | 第22-23页 |
| ·独立分量分析 | 第23-26页 |
| ·基于KPCA 的非线性最佳鉴别独立分量分析 | 第26-28页 |
| ·基于KPCA 的非线性独立分量分析 | 第26页 |
| ·选择最佳鉴别独立分量 | 第26-27页 |
| ·待识别人脸的最佳鉴别独立分量表示 | 第27-28页 |
| ·基于小波变换的人脸图像预处理 | 第28-30页 |
| ·实验结果和分析 | 第30-33页 |
| ·小结 | 第33-34页 |
| 第3章 基于典型相关分析的人脸图像特征抽取和识别方法 | 第34-52页 |
| ·FLDA 的小样本问题 | 第34-36页 |
| ·典型相关分析 | 第36-37页 |
| ·CCA 和FLDA 的等价性 | 第37-39页 |
| ·基于PCA+CCA 的人脸特征抽取和识别方法 | 第39-42页 |
| ·基于KPCA+CCA 的人脸特征抽取和识别方法 | 第42-46页 |
| ·GDA 方法及其和 KPCA+LDA 的等价性 | 第42-44页 |
| ·两种Fisher 准则函数及其关系 | 第44-45页 |
| ·基于KPCA+CCA 的非线性Fisher 鉴别特征抽取方法 | 第45-46页 |
| ·基于KERNEL CCA 的人脸特征抽取和识别方法 | 第46-48页 |
| ·KCCA 方法的导出 | 第46-47页 |
| ·中心化处理和非线性Fisher 鉴别特征抽取 | 第47-48页 |
| ·实验结果及分析 | 第48-51页 |
| ·小结 | 第51-52页 |
| 第4章 核鉴别共同矢量及人脸识别应用 | 第52-66页 |
| ·基于鉴别共同矢量的人脸识别方法 | 第52-58页 |
| ·鉴别共同矢量和 DCV 算法1 | 第52-55页 |
| ·DCV 算法2 | 第55-58页 |
| ·特征空间中的GRAM-SCHMIDT 正交化 | 第58-60页 |
| ·核鉴别共同矢量 | 第60-63页 |
| ·实验结果与分析 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第5章 基于核的最近特征分类器及人脸识别应用 | 第66-80页 |
| ·基于核的最近特征线和最近特征面方法 | 第66-70页 |
| ·基于核的最近特征线（KNFL）方法 | 第66-68页 |
| ·基于核的最近特征面（KNFP）方法 | 第68-70页 |
| ·基于核的最近特征子空间（KNFS）方法 | 第70-72页 |
| ·KNFS 分类方法1 | 第70-71页 |
| ·基于KPCA 的KNFS 分类方法2 | 第71-72页 |
| ·（核）最近特征重心及最近邻特征分类器 | 第72-76页 |
| ·（核）最近特征重心分类器 | 第73-75页 |
| ·核最近邻特征分类器 | 第75-76页 |
| ·（核）最近邻特征重心分类器 | 第76-77页 |
| ·实验结果及分析 | 第77-79页 |
| ·小结 | 第79-80页 |
| 第6章 矩阵空间中的最近特征分类器及人脸识别应用 | 第80-90页 |
| ·矩阵空间中的最近特征子空间方法 | 第80-85页 |
| ·基于奇异值分解构造人脸类别的特征子空间 | 第80-84页 |
| ·识别性能分析 | 第84-85页 |
| ·矩阵空间中的最近（邻）特征线方法 | 第85-86页 |
| ·矩阵空间中的最近特征线方法 | 第85页 |
| ·矩阵空间中的最近邻特征线方法 | 第85-86页 |
| ·实验结果及分析 | 第86-89页 |
| ·小结 | 第89-90页 |
| 总结与展望 | 第90-94页 |
| 参考文献 | 第94-100页 |
| 攻读博士学位期间发表和录用的学术论文 | 第100-101页 |
| 致谢 | 第101页 |
