基于神经网络的单张照片三维人脸建模
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·人脸3D建模技术的研究背景 | 第9-10页 |
| ·人脸3D建模技术的国外研究现状 | 第10-12页 |
| ·人工神经网络和遗传算法的研究现状 | 第12-14页 |
| ·人工神经网络的研究现状 | 第12-13页 |
| ·遗传算法的研究现状 | 第13-14页 |
| ·本文主要工作 | 第14-15页 |
| ·本文的章节安排 | 第15-16页 |
| 第二章 应用遗传神经网络拟合深映射关系 | 第16-27页 |
| ·BP神经网络简介 | 第16-19页 |
| ·BP神经网络原理 | 第16-17页 |
| ·改进的BP神经网络的学习算法 | 第17-19页 |
| ·遗传算法概述 | 第19-21页 |
| ·遗传神经原理与实现 | 第21-24页 |
| ·遗传神经网络原理 | 第21-22页 |
| ·遗传神经网络实现过程 | 第22-24页 |
| ·遗传神经网络拟合实验 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 应用RBF神经网络训练拟合深映射关系 | 第27-41页 |
| ·RBF网络的结构及工作原理 | 第27-28页 |
| ·RBF神经网络的学习方法 | 第28-31页 |
| ·数据中心确定方法 | 第29页 |
| ·扩展常数的确定 | 第29-30页 |
| ·神经网络训练方法 | 第30-31页 |
| ·RBF神经网络的过拟合问题及其改进 | 第31-35页 |
| ·过拟合问题产生的原因 | 第31-33页 |
| ·正则化网络 | 第33-35页 |
| ·遗传神经网络RBF神经网络的性能比较 | 第35-40页 |
| ·两种网络训练性能比较 | 第37-38页 |
| ·两种网络仿真性能比较 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 特定人脸三维模型重构算法 | 第41-58页 |
| ·标准人脸模型和样本数据库的建立 | 第41-46页 |
| ·建立标准人脸模型 | 第41-45页 |
| ·建立人脸样本数据库 | 第45-46页 |
| ·人脸姿态修正 | 第46-51页 |
| ·平移姿态的修正 | 第47页 |
| ·旋转姿态修正 | 第47-51页 |
| ·姿态修正效果验证 | 第51页 |
| ·应用神经网络拟合深度信息 | 第51-54页 |
| ·遗传神经网络拟合方法 | 第51-53页 |
| ·RBF神经网络拟合方法 | 第53-54页 |
| ·基于形状单元的特定人脸模型重构 | 第54-57页 |
| ·形状单元定义 | 第54-55页 |
| ·特定人脸模型变换 | 第55-56页 |
| ·实验验证 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 曲面重构和纹理映射 | 第58-67页 |
| ·基于NURBS插值的散乱点曲面重构 | 第58-61页 |
| ·基本的双线性插值 | 第58页 |
| ·NURBS曲面插值 | 第58-59页 |
| ·曲线插值算法及节点矢量U的计算 | 第59-61页 |
| ·计算节点矢量V | 第61页 |
| ·实验构造特定人脸曲面模型 | 第61页 |
| ·纹理映射 | 第61-63页 |
| ·网格模型与纹理图映射关系 | 第61-62页 |
| ·本文的纹理映射方法 | 第62-63页 |
| ·特定人脸重构实验 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-73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 |
