| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8-9页 |
| ·本文的主要工作 | 第9-11页 |
| ·本文的结构安排 | 第11-12页 |
| 2 基于图像形变的艺术字体生成 | 第12-39页 |
| ·引言 | 第12页 |
| ·字体特征提取 | 第12-27页 |
| ·数学形态学 | 第13-18页 |
| ·字体轮廓的提取 | 第18-23页 |
| ·字体骨架的提取 | 第23-27页 |
| ·字体笔划宽度的提取 | 第27页 |
| ·图像形变变换 | 第27-35页 |
| ·图像的几何变换 | 第28-32页 |
| ·基于特征线对的图像变形技术 | 第32-35页 |
| ·艺术字体生成流程 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 3 基于Gabor、Curvelet特征融合的人脸识别算法 | 第39-65页 |
| ·人脸识别技术 | 第39-42页 |
| ·人脸识别的研究现状 | 第40-41页 |
| ·人脸识别的研究内容 | 第41-42页 |
| ·信息融合技术 | 第42-45页 |
| ·信息融合技术的研究现状 | 第42-43页 |
| ·信息融合的层次结构 | 第43-45页 |
| ·人脸图像的特征表示 | 第45-52页 |
| ·人脸图像的Gabor特征表示 | 第45-49页 |
| ·人脸图像的Curvelet特征表示 | 第49-52页 |
| ·基PCA LDA的特征降维 | 第52-58页 |
| ·基于PCA的特征降维 | 第53-54页 |
| ·基于LDA的特征降维 | 第54-55页 |
| ·基于PCA+LDA的特征降维 | 第55-58页 |
| ·特征距离计算准则 | 第58-59页 |
| ·人脸识别系统性能评价指标 | 第59-60页 |
| ·决策层上的Gabor、Curvelet特征融合 | 第60-64页 |
| ·决策层上的多特征融合方法 | 第61-62页 |
| ·实验结果 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 4 结论与展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表学术论文情况 | 第70-71页 |
| 致谢 | 第71-72页 |