基于Leap Motion的3D空间手写字符识别方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.2.3 国内外研究现状分析总结 | 第15页 |
| 1.2.4 发展趋势 | 第15-16页 |
| 1.3 本文创新点及主要研究内容 | 第16-17页 |
| 1.3.1 本文创新点 | 第16页 |
| 1.3.2 主要研究内容 | 第16-17页 |
| 1.4 小结 | 第17-18页 |
| 第2章 本论文算法结构 | 第18-20页 |
| 2.1 本论文算法结构 | 第18-19页 |
| 2.2 论文的主要工作和章节安排 | 第19-20页 |
| 第3章 基于最长轨迹投影的维数约简方法 | 第20-38页 |
| 3.1 维数约简概述 | 第20页 |
| 3.2 常用的维数约简方法 | 第20-23页 |
| 3.2.1 主成分分析 | 第20-21页 |
| 3.2.2 线性判别分析 | 第21-22页 |
| 3.2.3 局部线性嵌入 | 第22页 |
| 3.2.4 局部保留投影 | 第22-23页 |
| 3.3 基于最长轨迹投影的维数约简算法 | 第23-28页 |
| 3.3.1 基于最长轨迹投影的维数约简算法流程 | 第23页 |
| 3.3.2 LeapMotion简介 | 第23-25页 |
| 3.3.3 3D轨迹生成 | 第25页 |
| 3.3.4 2D投影轨迹生成 | 第25-26页 |
| 3.3.5 最优投影平面选取 | 第26-28页 |
| 3.4 理论证明 | 第28-33页 |
| 3.4.1 3D轨迹上的点位于同一条直线 | 第28-30页 |
| 3.4.2 3D轨迹上的点不在同一条直线 | 第30-33页 |
| 3.4.3 3D轨迹上分布多点 | 第33页 |
| 3.5 基于最长轨迹投影的维数约简算法处理结果 | 第33-36页 |
| 3.6 小结 | 第36-38页 |
| 第4章 3D空间手写字符识别 | 第38-49页 |
| 4.1 3D空间手写字符识别算法框架 | 第38页 |
| 4.2 预处理 | 第38-43页 |
| 4.2.1 图像倾斜校正 | 第38-39页 |
| 4.2.2 图像归一化 | 第39-40页 |
| 4.2.3 基本处理 | 第40-43页 |
| 4.3 特征提取 | 第43-46页 |
| 4.3.1 统计特征 | 第44-45页 |
| 4.3.2 结构特征 | 第45-46页 |
| 4.4 支持向量机 | 第46-48页 |
| 4.4.1 支持向量机简介 | 第46页 |
| 4.4.2 支持向量机的理论介绍 | 第46-48页 |
| 4.5 小节 | 第48-49页 |
| 第5章 3D空间手写字符识别研究与实验 | 第49-62页 |
| 5.1 引言 | 第49页 |
| 5.2 基于最长轨迹投影的维数约简 | 第49-50页 |
| 5.3 维数约简结果对比 | 第50-57页 |
| 5.4 基于支持向量机的手写字符识别 | 第57-58页 |
| 5.5 识别结果对比 | 第58-60页 |
| 5.6 小结 | 第60-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录：作者在读期间发表的学术论文及参加的科研项目 | 第69页 |
