| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·人脸识别研究的背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·人脸识别的子空间算法 | 第12-16页 |
| ·本文研究内容及结构 | 第16-18页 |
| 第二章 基于二维GABOR 小波变换的人脸特征表示研究 | 第18-26页 |
| ·二维GABOR 小波变换 | 第19-20页 |
| ·二维GABOR 滤波器组的参数及其意义 | 第20-23页 |
| ·人脸的GABOR 特征描述 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于GABOR 小波变换的PCA 人脸识别技术研究 | 第26-47页 |
| ·二维主成分分析 | 第26-29页 |
| ·二维PCA 的两点改进 | 第29-33页 |
| ·双向二维PCA | 第29-31页 |
| ·增强二维PCA | 第31-33页 |
| ·基于GABOR 小波变换的增强2DPCA 方法 | 第33-41页 |
| ·人脸图像预处理 | 第33-37页 |
| ·人脸的Gabor 小波幅度表征 | 第37-38页 |
| ·Gabor 特征的增强2DPCA 降维 | 第38-39页 |
| ·特征矩阵匹配过程 | 第39-41页 |
| ·实验结果及分析 | 第41-46页 |
| ·在ORL 人脸库的实验 | 第42-44页 |
| ·在Yale 人脸库的实验 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于GABOR 小波变换的LDA 人脸识别技术研究 | 第47-67页 |
| ·二维线性判别分析 | 第47-50页 |
| ·基于分块GABOR 特征的2DLDA 人脸识别方法 | 第50-54页 |
| ·子图分割思想 | 第50-51页 |
| ·基于分块统计量的Gabor 特征描述 | 第51-53页 |
| ·最优投影方向的选择 | 第53页 |
| ·分类器设计 | 第53-54页 |
| ·本文方法的实现过程 | 第54-58页 |
| ·训练样本库的建立 | 第55-57页 |
| ·测试样本的识别 | 第57-58页 |
| ·实验结果及分析 | 第58-66页 |
| ·在ORL 人脸库的实验 | 第58-62页 |
| ·在Yale 人脸库的实验 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
