| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 插图索引 | 第11-13页 |
| 附表索引 | 第13-14页 |
| 第1章 绪论 | 第14-21页 |
| ·课题的研究背景与意义 | 第14-15页 |
| ·手势识别的定义和组成 | 第15-16页 |
| ·基于表观手势识别的现状及分析 | 第16-18页 |
| ·手势识别发展的三个阶段 | 第16页 |
| ·国内外研究现状 | 第16-17页 |
| ·基于表观的二维实时手势识别系统发展趋势 | 第17-18页 |
| ·基于表观的手势识别的框架 | 第18页 |
| ·存在问题 | 第18-19页 |
| ·课题来源 | 第19页 |
| ·论文主要研究内容与组织结构安排 | 第19-21页 |
| 第2章 复杂背景下基于表观的二维手势分割方法研究 | 第21-33页 |
| ·引言 | 第21页 |
| ·图像分割概述 | 第21-24页 |
| ·基于颜色的分割 | 第21页 |
| ·基于运动信息 | 第21-23页 |
| ·基于模板匹配 | 第23页 |
| ·基于局部区域信息 | 第23-24页 |
| ·图像预处理 | 第24-28页 |
| ·图像的格式以及色彩模式 | 第24-25页 |
| ·图像的差减法 | 第25页 |
| ·区域扩张轮廓提取 | 第25-26页 |
| ·肤色查找表与肤色概率分布图 | 第26-27页 |
| ·多模式分割 | 第27-28页 |
| ·基于概率模型的表观手势分割方法 | 第28-30页 |
| ·分块后用统计的差减法得到运动信息 | 第28-29页 |
| ·结合运动与肤色信息找到手势的中心点 | 第29页 |
| ·对手势分块区域扩张、分割 | 第29-30页 |
| ·手势分割实验 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 复杂背景下基于表观的二维手势轮廓跟踪方法研究 | 第33-45页 |
| ·引言 | 第33页 |
| ·图像跟踪概述 | 第33-36页 |
| ·Meanshift算法 | 第33-34页 |
| ·Kalman滤波算法 | 第34-35页 |
| ·基于活动轮廓模型(snake) | 第35-36页 |
| ·图像跟踪预处理 | 第36页 |
| ·分水岭算法 | 第36页 |
| ·图像的二值形态学膨胀和腐蚀 | 第36页 |
| ·基于颜色概率与状态估计模型的手势轮廓跟踪 | 第36-42页 |
| ·二维肤色概率分布图 | 第37-38页 |
| ·基于形状的统计模型 | 第38-40页 |
| ·状态估计方法 | 第40-41页 |
| ·基于状态估计的手势跟踪算法流程 | 第41-42页 |
| ·图像跟踪实验 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 手势识别的特征提取方法研究 | 第45-61页 |
| ·引言 | 第45页 |
| ·图像特征提取综述 | 第45-48页 |
| ·基于拓扑的的特征提取 | 第46页 |
| ·基于傅立叶描述子的特征提取 | 第46-47页 |
| ·基于不变矩 | 第47-48页 |
| ·图像特征提取预处理 | 第48-50页 |
| ·基于广度优先搜索的轮廓跟踪 | 第48-49页 |
| ·离散周期信号的多分辨率分析 | 第49页 |
| ·Haar小波 | 第49-50页 |
| ·用于形状识别的极半径HAAR小波特征提取方法 | 第50-56页 |
| ·物体形状表示 | 第50-51页 |
| ·极半径Haar小波描述子 | 第51-52页 |
| ·不变性证明 | 第52-55页 |
| ·极半径小波描述子的选取 | 第55-56页 |
| ·图像特征提取实验 | 第56-60页 |
| ·类内极半径Haar小波描述子 | 第57页 |
| ·类间极半径Haar小波描述子及其对比 | 第57-58页 |
| ·极半径Haar小波特征识别性能及其对比 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 简单手势识别应用及实现 | 第61-67页 |
| ·引言 | 第61页 |
| ·系统结构 | 第61-63页 |
| ·简单的手势识别功能演示 | 第63-66页 |
| ·本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 致谢 | 第76-77页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第77页 |