| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究历史和现状 | 第11-13页 |
| 1.3 研究内容与结构 | 第13-15页 |
| 第二章 脸部检测与嘴唇区域定位 | 第15-20页 |
| 2.1 人脸区域检测 | 第15-18页 |
| 2.1.1 人脸区域的检测与定位 | 第15-18页 |
| 2.1.1.1 OpenCV技术 | 第15页 |
| 2.1.1.2 人脸图像的Haar特征 | 第15-16页 |
| 2.1.1.3 AdaBoost级联分类器 | 第16-17页 |
| 2.1.1.4 人脸区域的检测与定位 | 第17-18页 |
| 2.2 嘴唇区域定位 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 MARKOV随机场模型 | 第20-32页 |
| 3.1 图像分割的标签与邻域系统 | 第20-23页 |
| 3.1.1 点和标签 | 第20-21页 |
| 3.1.2 邻域与基团 | 第21-23页 |
| 3.2 MARKOV随机场与GIBBs随机场 | 第23-25页 |
| 3.2.1 Markov随机场 | 第23-24页 |
| 3.2.2 Gibbs随机场 | 第24页 |
| 3.2.3 Markov-Gibbs随机场的等价性 | 第24-25页 |
| 3.3 MAP-MRF框架 | 第25-28页 |
| 3.4 图像分割数学定义 | 第28页 |
| 3.5 传统的嘴唇分割算法 | 第28-31页 |
| 3.5.1 ICM算法 | 第28-29页 |
| 3.5.2 模拟退火算法 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于小波域隐马尔科夫树模型的嘴唇分割 | 第32-45页 |
| 4.1 小波域多尺度MARKOV随机场嘴唇分割方法的提出与创新 | 第32-33页 |
| 4.2 小波变换 | 第33-35页 |
| 4.2.1 离散小波变换 | 第33页 |
| 4.2.2 二维离散小波变换 | 第33-35页 |
| 4.3 小波域图像建模 | 第35-39页 |
| 4.3.1 隐马尔科夫树模型 | 第35-37页 |
| 4.3.2 参数最大期望估计 | 第37-39页 |
| 4.4 实验仿真结果与分析 | 第39-43页 |
| 4.4.1 实验结果分析 | 第43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 多尺度上下文信息融合 | 第45-54页 |
| 5.1 多尺度信息融合的提出与创新 | 第45页 |
| 5.2 基于上下文信息的类别标号树 | 第45-48页 |
| 5.2.1 自下而上扫描 | 第47-48页 |
| 5.2.2 自上而下扫描 | 第48页 |
| 5.3 多尺度能量函数最小化 | 第48-51页 |
| 5.3.1 上下文融合的最大期望算法 | 第49-51页 |
| 5.4 实验结果 | 第51-53页 |
| 5.5 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 在学期间的研究成果 | 第60-61页 |
| 致谢 | 第61页 |