| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·选题的背景及意义 | 第9-10页 |
| ·人脸检测的问题描述 | 第10页 |
| ·肤色特征的引入 | 第10-11页 |
| ·图像增强的问题描述 | 第11页 |
| ·本文的内容与结构 | 第11-13页 |
| 第2章 人脸检测的方法 | 第13-25页 |
| ·低层特征分析方法 | 第14-15页 |
| ·组群特征分析方法 | 第15-16页 |
| ·变形模型方法 | 第16-18页 |
| ·线性子空间方法 | 第18-20页 |
| ·神经网络方法 | 第20-21页 |
| ·其他统计方法 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 图像增强的方法 | 第25-39页 |
| ·空域技术 | 第26-34页 |
| ·频域技术 | 第34-36页 |
| ·彩色增强 | 第36-39页 |
| 第4章 算法介绍 | 第39-59页 |
| ·AdaBoost方法 | 第39-46页 |
| ·积分图 | 第39-43页 |
| ·AdaBoost学习算法 | 第43-45页 |
| ·多分类器级联结构 | 第45-46页 |
| ·肤色信息方法 | 第46-49页 |
| ·Imadjust算法 | 第49-51页 |
| ·Retinex算法 | 第51-58页 |
| ·颜色恒常性理论 | 第53-54页 |
| ·单尺度Retinex算法 | 第54-56页 |
| ·多尺度Retinex算法 | 第56页 |
| ·带色彩恢复的多尺度Retinex算法(MSRCR) | 第56-57页 |
| ·改进的多尺度Retinex算法 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 实验 | 第59-75页 |
| ·OpenCV简介 | 第59-60页 |
| ·分类器的训练 | 第60-66页 |
| ·概述 | 第60-64页 |
| ·训练分类器 | 第64-66页 |
| ·RGB通道增强 | 第66-68页 |
| ·Imadjust算法增强 | 第66页 |
| ·Retinex算法增强 | 第66-68页 |
| ·算法流程图 | 第68-70页 |
| ·检测及增强的结果 | 第70-73页 |
| ·本章小结 | 第73-75页 |
| 第6章 结论及展望 | 第75-77页 |
| ·结论 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81页 |