| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| 1．1 皮肤表面状态检测的意义 | 第7页 |
| 1．1．1 皮肤表面的状态检测是皮肤衰老与抗衰老研究的重要手段 | 第7页 |
| 1．1．2 皮肤表面状态检测是护肤品客观的评价方法 | 第7页 |
| 1．2 皮肤表面状态检测技术的历史回顾及发展现状 | 第7-10页 |
| 1．2．1 皮肤表面状态检测技术的历史回顾 | 第7-8页 |
| 1．2．2 皮肤表面状态检测技术的发展现状 | 第8-10页 |
| 1．3 皮肤表面状态检测技术的展望 | 第10页 |
| 1．3．1 现有方法优缺点的比较 | 第10页 |
| 1．3．2 将来的发展趋势 | 第10页 |
| 1．4 本课题研究的目的 | 第10-11页 |
| 2 纹理的统计特征分析方法 | 第11-20页 |
| 2．1 纹理概述 | 第11页 |
| 2．2 基于灰度直方图的中心矩方法 | 第11-13页 |
| 2．2．1 灰度直方图 | 第11-12页 |
| 2．2．2 中心矩方法 | 第12-13页 |
| 2．3 灰度差分统计分析方法 | 第13-14页 |
| 2．4 游程长度统计分析方法 | 第14-15页 |
| 2．5 空间灰度共生矩阵分析方法 | 第15-19页 |
| 2．5．1 灰度共生矩阵的定义 | 第15-16页 |
| 2．5．2 灰度共生矩阵图像的特征提取 | 第16-18页 |
| 2．5．3 灰度共生矩阵常用的纹理特征解析 | 第18-19页 |
| 2．6 本章小结 | 第19-20页 |
| 3 皮肤图像的预处理 | 第20-27页 |
| 3．1 数字图像处理技术概述 | 第20页 |
| 3．2 皮肤图像增强 | 第20-26页 |
| 3．2．1 灰度级修正 | 第21-24页 |
| 3．2．2 皮肤图像的平滑 | 第24-26页 |
| 3．3 本课题所采用的皮肤图像预处理方法 | 第26页 |
| 3．4 本章小节 | 第26-27页 |
| 4 神经网络模式识别技术 | 第27-35页 |
| 4．1 人工神经网络与模式识别 | 第27-28页 |
| 4．2 人工神经网络的基本问题 | 第28-30页 |
| 4．2．1 人工神经元及一般学习算法 | 第28-29页 |
| 4．2．2 人工神经网络的拓扑结构 | 第29页 |
| 4．2．3 人工神经网络的训练方法 | 第29-30页 |
| 4．3 BP神经网络 | 第30-34页 |
| 4．3．1 BP网络结构 | 第30-31页 |
| 4．3．2 BP网络学习规则 | 第31-33页 |
| 4．3．3 BP算法存在的问题及改进方法 | 第33-34页 |
| 4．4 本章小结 | 第34-35页 |
| 5 皮肤纹理的特征提取及分类器设计 | 第35-41页 |
| 5．1 皮肤纹理图像的特征选择和提取 | 第35-37页 |
| 5．1．1 引言 | 第35页 |
| 5．1．2 空间灰度共生矩阵特征提取 | 第35-37页 |
| 5．2 皮肤纹理图像的神经网络训练与分类系统设计 | 第37-39页 |
| 5．2．1 BP网络结构设计分析 | 第37-38页 |
| 5．2．2 BP网络结构设计 | 第38-39页 |
| 5．3 本章小结 | 第39-41页 |
| 6 面部皮肤纹理图像采集及分类试验 | 第41-51页 |
| 6．1 图像采集系统设计 | 第41-42页 |
| 6．1．1 皮肤图像采集系统 | 第41页 |
| 6．1．2 试验装置 | 第41-42页 |
| 6．2 分类系统设计概述 | 第42-43页 |
| 6．3 皮肤图像采集过程及其预处理 | 第43-44页 |
| 6．3．1 图像采集过程 | 第43页 |
| 6．3．2 皮肤图像预处理 | 第43-44页 |
| 6．4 皮肤纹理图像的特征提取 | 第44-45页 |
| 6．5 神经网络识别试验 | 第45-50页 |
| 6．5．1 MATLAB神经网络工具箱概述 | 第45-46页 |
| 6．5．2 BP网络的建立 | 第46页 |
| 6．5．3 网络训练及分类识别实验 | 第46-50页 |
| 6．6 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 | 第55-63页 |
| 攻读学位期间发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |