| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 图像分类与识别的研究现状 | 第11-12页 |
| 1.2.2 嘴唇轮廓提取的国内外研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第2章 光照补偿问题的研究 | 第15-20页 |
| 2.1 引言 | 第15页 |
| 2.2 直方图均衡化 | 第15-16页 |
| 2.3 对数变换 | 第16页 |
| 2.4 同态滤波 | 第16-17页 |
| 2.5 Gamma 校正 | 第17-19页 |
| 2.5.1 传统的Gamma 校正 | 第17-18页 |
| 2.5.2 本文采用的改进的自适应Gamma 校正 | 第18-19页 |
| 2.6 小结 | 第19-20页 |
| 第3章 人脸检测 | 第20-28页 |
| 3.1 引言 | 第20页 |
| 3.2 基于图像的人脸检测方法 | 第20-23页 |
| 3.2.1 线性子空间方法 | 第20-21页 |
| 3.2.2 神经网络方法 | 第21-22页 |
| 3.2.3 其它统计方法 | 第22-23页 |
| 3.3 基于特征的人脸检测方法 | 第23-24页 |
| 3.3.1 组群特征 | 第24页 |
| 3.3.2 变形模型 | 第24页 |
| 3.3.3 底层特征 | 第24页 |
| 3.4 本文采用的基于肤色特征的人脸检测算法 | 第24-27页 |
| 3.5 小结 | 第27-28页 |
| 第4章 嘴唇轮廓提取 | 第28-38页 |
| 4.1 引言 | 第28页 |
| 4.2 边缘检测 | 第28-30页 |
| 4.2.1 基于一阶导数法的边缘检测 | 第28-29页 |
| 4.2.2 基于二阶导数法的边缘检测 | 第29-30页 |
| 4.2.3 Canny 边缘检测算子 | 第30页 |
| 4.3 阈值化分割 | 第30页 |
| 4.4 基于聚类的图像分割 | 第30-31页 |
| 4.5 数学形态学梯度 | 第31-32页 |
| 4.6 主动形状模型(ASM) | 第32页 |
| 4.7 水平集分割 | 第32-36页 |
| 4.7.1 曲线演化理论 | 第33-34页 |
| 4.7.2 水平集理论 | 第34-35页 |
| 4.7.3 水平集方法的数值计算 | 第35-36页 |
| 4.7.4 基于水平集的C-V 图像分割模型 | 第36页 |
| 4.8 小结 | 第36-38页 |
| 第5章 改进的水平集方法及嘴唇轮廓提取系统的实现 | 第38-51页 |
| 5.1 引言 | 第38页 |
| 5.2 基于Fisher 变换的水平集方法 | 第38-41页 |
| 5.2.1 Fisher 变换的基本理论 | 第38-39页 |
| 5.2.2 基于Fisher 变换的改进水平集方法实验 | 第39-41页 |
| 5.3 基于半监督学习的水平集方法 | 第41-46页 |
| 5.3.1 半监督学习简介和发展 | 第41-42页 |
| 5.3.2 基于约束的半监督方法 | 第42-45页 |
| 5.3.3 基于半监督学习的改进水平集方法实验 | 第45-46页 |
| 5.4 嘴唇轮廓提取系统的实现 | 第46-50页 |
| 5.4.1 实验准备 | 第46-47页 |
| 5.4.2 光照补偿预处理 | 第47-48页 |
| 5.4.3 人脸检测及嘴唇粗定位 | 第48页 |
| 5.4.4 嘴唇轮廓提取 | 第48-50页 |
| 5.5 小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间取得的科研成果 | 第56页 |