| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容及章节安排 | 第10-12页 |
| 1.3.1 主要研究内容 | 第10页 |
| 1.3.2 论文结构 | 第10-12页 |
| 第二章 基于自适应肤色和 Hu 矩的手势分割 | 第12-26页 |
| 2.1 基于肤色的手势分割方法 | 第12-19页 |
| 2.1.1 颜色空间 | 第12-13页 |
| 2.1.2 肤色模型 | 第13-17页 |
| 2.1.3 自适应肤色模型 | 第17-19页 |
| 2.2 图像去噪 | 第19-21页 |
| 2.2.1 邻域均值滤波法 | 第19-20页 |
| 2.2.2 中值滤波法 | 第20-21页 |
| 2.3 基于 Hu 矩的手形比较算法 | 第21-23页 |
| 2.3.1 Hu 不变矩理论 | 第21-22页 |
| 2.3.2 手形比较算法实现 | 第22-23页 |
| 2.4 基于自适应肤色模型和 Hu 矩的手势分割的实现 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 手势特征提取 | 第26-36页 |
| 3.1 特征分类 | 第26-28页 |
| 3.1.1 全局特征 | 第26页 |
| 3.1.2 局部特征 | 第26-28页 |
| 3.2 SURF 特征检测 | 第28-32页 |
| 3.2.1 建立积分图像 | 第28-29页 |
| 3.2.2 构造 Hessian 矩阵 | 第29-31页 |
| 3.2.3 尺度空间的表示 | 第31-32页 |
| 3.2.4 特征点定位 | 第32页 |
| 3.3 SURF 特征点的描述 | 第32-34页 |
| 3.3.1 确定特征点主方向 | 第33页 |
| 3.3.2 特征描述 | 第33-34页 |
| 3.4 SURF 特征点的提取实验 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于压缩感知的手势识别 | 第36-49页 |
| 4.1 稀疏表示 | 第36-37页 |
| 4.2 观测矩阵 | 第37-38页 |
| 4.2.1 随机观测 | 第37页 |
| 4.2.2 确定性观测 | 第37-38页 |
| 4.3 信号重构 | 第38-43页 |
| 4.3.1 基于l1 范数的凸优化算法 | 第38-41页 |
| 4.3.2 贪婪算法 | 第41-43页 |
| 4.4 压缩感知手势分类 | 第43-45页 |
| 4.4.1 构造训练字典 | 第43-44页 |
| 4.4.2 选择观测矩阵 | 第44页 |
| 4.4.3 求稀疏系数 | 第44-45页 |
| 4.5 基于融合特征和压缩感知的手势识别 | 第45-47页 |
| 4.5.1 手势识别系统的设计 | 第45-46页 |
| 4.5.2 特征融合 | 第46-47页 |
| 4.5.3 系统仿真及实现效果 | 第47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 实验结果及分析 | 第49-54页 |
| 5.1 手势样本库的建立 | 第49-50页 |
| 5.2 模型参数值的选择 | 第50-52页 |
| 5.2.1 手形比较模型的参数值得选择 | 第50-51页 |
| 5.2.2 特征融合参数值的选择 | 第51-52页 |
| 5.3 本文手势识别算法性能测试及比较 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 总结与展望 | 第54-55页 |
| 总结 | 第54页 |
| 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |