小波域图像对称性检测及其应用于人脸定位
| 第一章 绪论 | 第1-16页 |
| §1．1 对称性的数学定义 | 第8-10页 |
| §1．1．1 镜像对称 | 第8页 |
| §1．1．2 旋转对称 | 第8-9页 |
| §1．1．3 斜对称 | 第9页 |
| §1．1．4 光滑局部对称 | 第9页 |
| §1．1．5 平行对称 | 第9页 |
| §1．1．6 平移对称 | 第9-10页 |
| §1．2 图像对称性检测方法综述 | 第10-13页 |
| §1．2．1 模式匹配法 | 第10-11页 |
| §1．2．2 优化搜索方法 | 第11-12页 |
| §1．2．3 统计方法 | 第12页 |
| §1．2．4 曲线微分法 | 第12-13页 |
| §1．3 对称性在计算机视觉中的应用 | 第13-14页 |
| §1．4 本文的主要工作 | 第14-16页 |
| §1．4．1 课题的背景与意义 | 第14-15页 |
| §1．4．2 本文的主要内容 | 第15-16页 |
| 第二章 小波变换与图像的多分辨率边缘检测 | 第16-40页 |
| §2．1 小波分析发展简史 | 第16-17页 |
| §2．2 小波变换 | 第17-27页 |
| §2．2．1 连续小波变换 | 第17-18页 |
| §2．2．2 离散小波变换 | 第18-19页 |
| §2．2．3 多分辨率分析与Mallat算法 | 第19-25页 |
| §2．2．4 双正交小波 | 第25-27页 |
| §2．2．5 双正交小波的特性 | 第27页 |
| §2．3 图像的多尺度边缘提取 | 第27-29页 |
| §2．3．1 多尺度边缘提取的必要性 | 第27-28页 |
| §2．3．2 边缘提取方法 | 第28-29页 |
| §2．4 一类具有微分算子功能的二进小波 | 第29-35页 |
| §2．5 反对称双正交小波的微分特性 | 第35-39页 |
| §2．6 本章小结 | 第39-40页 |
| 第三章 基于多尺度梯度矢量的图像旋转对称性检测 | 第40-48页 |
| §3．1 多尺度对称变换 | 第40-41页 |
| §3．2 具体算法 | 第41-42页 |
| §3．3 应用于人脸正面图像中眼与口的定位 | 第42-47页 |
| §3．3．1 眼部定位 | 第42-43页 |
| §3．3．2 口部定位 | 第43-44页 |
| §3．3．3 实验 | 第44-47页 |
| §3．4 本章小结 | 第47-48页 |
| 第四章 基于多尺度梯度相角的图像镜像对称性检测 | 第48-58页 |
| §4．1 梯度相角对光照变化的稳定性 | 第48-50页 |
| §4．2 图像对称性检测算法 | 第50-51页 |
| §4．3 应用于正面人脸图像的对称性检测与定位 | 第51-57页 |
| §4．3．1 T型规则 | 第51-52页 |
| §4．3．2 控制因子的设置 | 第52-54页 |
| §4．3．3 强对称点筛选 | 第54页 |
| §4．3．4 算法流程 | 第54-55页 |
| §4．3．5 对比实验结果 | 第55-57页 |
| §4．4 本章小结 | 第57-58页 |
| 第五章 基于主元分析的图像镜像对称性检测与归一化 | 第58-68页 |
| §5．1 利用主元分析的图像镜像对称性检测方法 | 第58-60页 |
| §5．1．1 主分量分析 | 第58-59页 |
| §5．1．2 检测算法 | 第59-60页 |
| §5．2 利用特征值估计图像尺度 | 第60-62页 |
| §5．2．1 估计方法 | 第60-62页 |
| §5．3 一种快速实现人脸定位与几何归一化方法 | 第62-67页 |
| §5．3．1 人脸图像几何归一化方法 | 第63-64页 |
| §5．3．2 归一化算法 | 第64页 |
| §5．3．3 实验结果 | 第64-67页 |
| §5．4 本章小结 | 第67-68页 |
| 第六章 总结 | 第68-70页 |
| §6．1 本文的主要工作 | 第68页 |
| §6．2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 在学期间所发表与撰写的学术论文 | 第71-72页 |
| 在学期间参与科研项目 | 第72-73页 |
| 参考文献 | 第73-76页 |
