| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·手势识别的研究背景 | 第9-10页 |
| ·手势识别的研究现状 | 第10-16页 |
| ·现有手势交互界面 | 第11-12页 |
| ·手势识别的一般步骤 | 第12-16页 |
| ·本文的主要工作及结构安排 | 第16-17页 |
| 第二章 手势图像预处理 | 第17-30页 |
| ·手图像获取 | 第17页 |
| ·图像平滑 | 第17-19页 |
| ·局部平均法 | 第17-18页 |
| ·中值滤波法 | 第18页 |
| ·频域平滑技术 | 第18-19页 |
| ·彩色图像的灰度化 | 第19-22页 |
| ·图像的色彩空间介绍 | 第19-21页 |
| ·RGB 模式到灰度模式的转换 | 第21-22页 |
| ·图像二值化 | 第22-27页 |
| ·p-参数法 | 第22页 |
| ·模式法 | 第22-23页 |
| ·可变阈值法 | 第23页 |
| ·最大类间方差（Otsu）法 | 第23-27页 |
| ·图像形态学处理 | 第27-29页 |
| ·准确手势区域的获取 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 静态手形图像的特征提取 | 第30-41页 |
| ·图像形状描述方法和比较 | 第30-32页 |
| ·区域描述 | 第30-32页 |
| ·边界描述 | 第32页 |
| ·Hough 变换 | 第32页 |
| ·矩描述子 | 第32-37页 |
| ·矩的概念 | 第33页 |
| ·矩的物理意义 | 第33-35页 |
| ·矩的有关变换 | 第35-37页 |
| ·Hu 矩 | 第37-40页 |
| ·Hu 矩的物理意义 | 第38-39页 |
| ·计算图像Hu 矩的主要代码 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 支持向量机 | 第41-56页 |
| ·引言 | 第41页 |
| ·统计学习理论 | 第41-42页 |
| ·最优化理论的基础定理 | 第42-45页 |
| ·Fermat 定理 | 第42-43页 |
| ·Lagrange 乘子法则 | 第43-44页 |
| ·Kuhn-Tucker 定理及Wolfe 对偶 | 第44-45页 |
| ·支持向量机 | 第45-55页 |
| ·线性最优分类超平面 | 第46-49页 |
| ·不可分样本集的最优分类超平面 | 第49-51页 |
| ·非线性最优分类超平面 | 第51-52页 |
| ·SVM 多值分类 | 第52-54页 |
| ·SVM 的核函数 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于Hu 矩和SVM 的数字手势识别 | 第56-63页 |
| ·实时静态手势识别系统流程 | 第56页 |
| ·LibSVM 的应用 | 第56-62页 |
| ·关于LibSVM | 第56-57页 |
| ·静态手势分类实现步骤 | 第57-60页 |
| ·测试结果和分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 基于Hu 矩和SVM 的静态手势识别算法在体检系统的应用 | 第63-71页 |
| ·手完整性检测模块实现 | 第63-64页 |
| ·系统平台的组成 | 第64-67页 |
| ·硬件组成 | 第64-65页 |
| ·软件开发平台 | 第65-67页 |
| ·手完整性检测功能模块 | 第67-70页 |
| ·软件主流程 | 第67-68页 |
| ·软件模块的功能和软件界面的设计 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第七章 总结和展望 | 第71-72页 |
| ·总结 | 第71页 |
| ·对下一步工作的展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 作者在攻读硕士期间发表的论文 | 第76-77页 |