| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 课题的研究背景及研究意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 人脸检测研究现状 | 第13-15页 |
| 1.2.2 人脸图像与辅助诊断研究现状 | 第15-16页 |
| 1.3 本文研究工作及组织结构 | 第16-18页 |
| 1.3.1 研究工作 | 第16-17页 |
| 1.3.2 组织结构 | 第17-18页 |
| 1.4 本章小结 | 第18-20页 |
| 2 特纳综合征相关概念介绍 | 第20-24页 |
| 2.1 特纳综合征介绍 | 第20-22页 |
| 2.2 特纳综合征人脸图像库 | 第22-23页 |
| 2.2.1 人脸图像数据采集 | 第22-23页 |
| 2.2.2 伦理批准 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 特纳综合征人脸图像预处理方法研究 | 第24-38页 |
| 3.1 研究流程概述 | 第24-28页 |
| 3.1.1 研究主要流程及目的 | 第24-27页 |
| 3.1.2 技术难点 | 第27-28页 |
| 3.2 人脸图像预处理 | 第28-36页 |
| 3.2.1 人脸检测 | 第29-31页 |
| 3.2.2 人脸特征点模型 | 第31-33页 |
| 3.2.3 人脸矫正 | 第33-34页 |
| 3.2.4 人脸图像增强 | 第34-36页 |
| 3.3 本章小结 | 第36-38页 |
| 4 特纳综合征人脸混合特征提取方法研究 | 第38-54页 |
| 4.1 特征分析 | 第38-41页 |
| 4.2 全局特征提取 | 第41-47页 |
| 4.2.1 全局几何特征 | 第41-42页 |
| 4.2.2 全局纹理特征 | 第42-47页 |
| 4.3 局部特征提取 | 第47-51页 |
| 4.4 特征降维与特征融合 | 第51-52页 |
| 4.4.1 特征降维 | 第51-52页 |
| 4.4.2 特征融合 | 第52页 |
| 4.5 本章小结 | 第52-54页 |
| 5 特纳综合征自动人脸分类方法研究 | 第54-68页 |
| 5.1 基于全局混合特征的SVM分类器 | 第55-57页 |
| 5.2 基于匹配层局部特征融合的两级Adaboost分类器 | 第57-59页 |
| 5.3 实验结果分析 | 第59-64页 |
| 5.3.1 实验准备工作 | 第59-60页 |
| 5.3.2 自动分类实验结果分析 | 第60-62页 |
| 5.3.3 局部特征实验结果分析 | 第62-64页 |
| 5.4 原型系统简介 | 第64-66页 |
| 5.4.1 系统简介 | 第64-65页 |
| 5.4.2 用户界面展示 | 第65-66页 |
| 5.5 本章小结 | 第66-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |