| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 引言 | 第11-12页 |
| 1.2 国内及国外的研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 基于内容的敏刚图像过滤器模型结构 | 第14-15页 |
| 1.3.1 敏感图像过滤器分析 | 第14-15页 |
| 1.3.2 本文建立的敏感图像过滤器模型结构 | 第15页 |
| 1.4 本文的研究内容及内容安排 | 第15-17页 |
| 第2章 肤色模型的分析及建立 | 第17-32页 |
| 2.1 颜色空间简述 | 第17-20页 |
| 2.1.1 RGB颜色空间 | 第17-18页 |
| 2.1.2 YUV,YIQ颜色空间 | 第18-19页 |
| 2.1.3 HSV颜色空间 | 第19-20页 |
| 2.2 常用的几种肤色检测算法介绍 | 第20-26页 |
| 2.2.1 统计直方图模型 | 第21-22页 |
| 2.2.2 高斯模型 | 第22-23页 |
| 2.2.3 YUV与YIQ相结合模型 | 第23-26页 |
| 2.3 颜色校正技术 | 第26-29页 |
| 2.3.1 光照变化问题及补偿方法 | 第26-28页 |
| 2.3.2 利用GrayWorld方法进行颜色校正 | 第28-29页 |
| 2.4 本文采用的方法介绍 | 第29-31页 |
| 2.5 本章小节 | 第31-32页 |
| 第3章 纹理模型的分析及建立 | 第32-42页 |
| 3.1 常用的几种纹理检测算法介绍 | 第32-35页 |
| 3.1.1 一阶灰度统计法 | 第33页 |
| 3.1.2 灰度共生矩阵 | 第33-34页 |
| 3.1.3 Gabor滤波法在纹理检测中的应用 | 第34-35页 |
| 3.2 引入边缘检测的目的 | 第35-37页 |
| 3.3 人工鱼群算法在边缘检测中的应用 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 人脸检测方法及意义 | 第42-51页 |
| 4.1 人脸检测方法概述 | 第42-44页 |
| 4.2 基于ADABOOST的人脸检测算法 | 第44-47页 |
| 4.2.1 Adaboost方法介绍 | 第44-45页 |
| 4.2.2 基于混沌理论的人工鱼群算法TAFSA | 第45页 |
| 4.2.3 混沌人工鱼群算法在Adaboost算法中的应用 | 第45-47页 |
| 4.3 人脸特征提取 | 第47-48页 |
| 4.4 分级分类器 | 第48-49页 |
| 4.5 实验结果分析 | 第49-51页 |
| 第5章 基于掩码的图像特征提取及分类 | 第51-60页 |
| 5.1 敏感图片库的建立 | 第51页 |
| 5.2 过滤模型的比较及确立 | 第51-52页 |
| 5.3 分类特征的提取及选择 | 第52-55页 |
| 5.3.1 肤色连通部分特征提取 | 第52-54页 |
| 5.3.2 皮肤面积百分比以及区域百分比提取 | 第54-55页 |
| 5.3.3 肤色概率有关的特征提取 | 第55页 |
| 5.4 分类器的选取 | 第55-58页 |
| 5.4.1 支持向量机简介(SVM) | 第56-57页 |
| 5.4.2 决策树简介 | 第57-58页 |
| 5.5 分类特征向量及分类器的最终确定 | 第58-59页 |
| 5.6 本章小节 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |