| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 形状内容分析 | 第15-19页 |
| 1.2.1.1 形状的特征表示 | 第16-17页 |
| 1.2.1.2 形状对应关系 | 第17-19页 |
| 1.2.2 图像增强 | 第19-21页 |
| 1.3 本文主要研究内容和工作安排 | 第21-23页 |
| 第二章 基于范例形状匹配的三维人体形状特征点自动检测 | 第23-34页 |
| 2.1 引言 | 第23-25页 |
| 2.2 相关工作 | 第25-26页 |
| 2.3 特征点检测框架 | 第26-30页 |
| 2.3.1 框架概述 | 第26页 |
| 2.3.2 基于全局特征的模板选择 | 第26-28页 |
| 2.3.3 基于局部特征的形状匹配 | 第28-29页 |
| 2.3.4 局部搜索 | 第29页 |
| 2.3.5 后端融合加强检测精度 | 第29-30页 |
| 2.4 实验 | 第30-33页 |
| 2.4.1 实验数据与参数设置 | 第30-31页 |
| 2.4.2 实验结果与分析 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于优质范例的图像对比度增强 | 第34-49页 |
| 3.1 引言 | 第34-35页 |
| 3.2 相关工作 | 第35-37页 |
| 3.2.1 图像增强方法 | 第35-36页 |
| 3.2.2 图像美学评估方法 | 第36-37页 |
| 3.3 对比度增强模型 | 第37-40页 |
| 3.3.1 矩阵分解 | 第38页 |
| 3.3.2 SfM预处理 | 第38-39页 |
| 3.3.3 构造观察矩阵P | 第39页 |
| 3.3.4 数据增强 | 第39-40页 |
| 3.4 通过美学评价网络挑选范例图像 | 第40-43页 |
| 3.4.1 AlexNet网络预测美学评分 | 第40-42页 |
| 3.4.2 双通道模型 | 第42-43页 |
| 3.4.3 自适应模型 | 第43页 |
| 3.5 统一的图像对比度增强框架 | 第43-44页 |
| 3.6 实验 | 第44-48页 |
| 3.6.1 实验数据与参数设置 | 第44-45页 |
| 3.6.2 实验结果与分析 | 第45-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第四章 总结和展望 | 第49-51页 |
| 4.1 本文工作总结 | 第49-50页 |
| 4.2 研究工作展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第56-57页 |