| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状分析 | 第10-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 随机蕨算法概述 | 第16-27页 |
| 2.1 分类器 | 第16-18页 |
| 2.2 决策树与随机森林 | 第18-21页 |
| 2.2.1 决策树算法概述 | 第18-20页 |
| 2.2.2 随机森林算法概述 | 第20-21页 |
| 2.3 随机蕨算法 | 第21-25页 |
| 2.3.1 半朴素贝叶斯分类方式 | 第22-23页 |
| 2.3.2 蕨树分类器训练 | 第23-24页 |
| 2.3.3 随机蕨与随机森林的区别 | 第24-25页 |
| 2.4 随机蕨算法在人脸重建问题中的应用 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 构建基于张量的双线性参数化人脸网格模型 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 张量及其运算 | 第27-29页 |
| 3.3 双线性参数化人脸模型 | 第29-31页 |
| 3.3.1 Face Warehouse人脸数据库 | 第29页 |
| 3.3.2 基于张量的双线性参数化人脸模型 | 第29-31页 |
| 3.4 人脸参数求解 | 第31页 |
| 3.5 实验与分析 | 第31-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于随机蕨的三维人脸重建算法 | 第35-51页 |
| 4.1 生成深度图像 | 第35-39页 |
| 4.1.1 对齐参数化人脸模型到相机空间 | 第35-38页 |
| 4.1.2 获取深度图像 | 第38-39页 |
| 4.2 算法实现 | 第39-42页 |
| 4.3 三维人脸特征描述 | 第42-46页 |
| 4.3.1 基于深度数据的三维人脸特征描述 | 第42-44页 |
| 4.3.2 特征选择及分类 | 第44-46页 |
| 4.4 实验与分析 | 第46-50页 |
| 4.4.1 数据集介绍 | 第46页 |
| 4.4.2 实验结果及分析 | 第46-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51-52页 |
| 5.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |