首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于区域、Gabor滤波和肤色特征的人脸检测算法研究

摘 要第1-4页
Abstract第4-7页
第一章 绪论第7-10页
   ·课题研究目的背景及意义第7页
   ·国内外在该领域的研究水平和动态第7页
   ·人脸检测概述第7-10页
     ·人脸检测技术介绍第7-8页
     ·人脸检测技术难点第8-9页
     ·研究思路和内容安排第9-10页
第二章 人脸初定位第10-21页
   ·肤色样本的选取第10-11页
   ·肤色空间的选取第11-12页
   ·肤色空间模型第12-17页
     ·简单门限模型第12-13页
     ·贝叶斯模型第13-14页
     ·高斯模型第14-17页
       ·选择依据第14-15页
       ·理论证明第15页
       ·试验证明第15-16页
       ·高斯模型计算方法第16-17页
   ·肤色概率图滤波第17页
   ·试验分析和总结第17-21页
第三章 人脸分割第21-34页
   ·阈值化分割第21-24页
     ·简单的阈值分割法第21-22页
     ·基于灰度期望值的分割法第22-23页
     ·基于二维灰度直方图Fisher 线性分割法第23-24页
   ·区域生长分割算法第24-30页
     ·算法框图第25页
     ·金字塔算法第25-26页
     ·种子选取、生长顺序及生长停止条件第26-27页
     ·生长规则第27-30页
   ·试验分析和总结第30-34页
第四章 人脸确认第34-49页
   ·潜在脸区预处理第34-35页
   ·潜在脸区特征提取第35-42页
     ·小波变换第35-37页
     ·DCT 特征提取第37-39页
     ·Gabor 特征提取第39-42页
       ·Gabor 函数第39-40页
       ·Gabor 滤波第40-41页
       ·降维第41-42页
   ·潜在脸区确认第42-46页
     ·分类器介绍第42-45页
       ·最邻近距离分类器第42-43页
       ·人工神经网络分类器第43页
       ·支持向量机分类器第43-45页
     ·分类器设计第45-46页
   ·试验分析与总结第46-49页
第五章试验结果分析第49-51页
   ·试验的硬件条件第49页
   ·试验测试结果与分析第49-51页
第六章 总结与展望第51-53页
   ·总结第51页
   ·本文创新之处第51-52页
   ·本文不足之处和今后研究方向第52-53页
致谢第53-54页
参考文献第54-57页

论文共57页,点击 下载论文
上一篇:安利(中国)日用品有限公司的人际传播研究
下一篇:大学生创业人格比较研究--以厦门地区为例