| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·人脸图像变形技术的研究背景及意义 | 第9-10页 |
| ·人脸图像变形技术的应用前景 | 第10页 |
| ·人脸图像变形技术的研究现状 | 第10-13页 |
| ·基于网格的人脸图像变形算法 | 第11页 |
| ·基于特征线对的人脸图像变形算法 | 第11-12页 |
| ·基于特征点的人脸图像变形算法 | 第12-13页 |
| ·几种人脸图像变形算法的比较 | 第13页 |
| ·本文的主要研究工作 | 第13-14页 |
| ·本文的篇章结构 | 第14-15页 |
| 2 经典ASM算法 | 第15-24页 |
| ·引言 | 第15页 |
| ·ASM算法思想 | 第15-23页 |
| ·点分布模型 | 第15-16页 |
| ·标定特征点 | 第16-17页 |
| ·训练形状样本的对齐 | 第17-19页 |
| ·形状模型的建立 | 第19-20页 |
| ·局部灰度模型的建立 | 第20-21页 |
| ·目标搜索过程 | 第21-23页 |
| ·ASM多分辨率搜索策略 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 改进ASM算法在人脸特征点定位中的应用 | 第24-39页 |
| ·引言 | 第24页 |
| ·采用优化半自动特征点标定工具 | 第24-26页 |
| ·改进的基于Gabor小波和梯度特征的2D纹理模型 | 第26-33页 |
| ·将特征点的1D纹理模型扩展为2D纹理模型 | 第27-28页 |
| ·基于Gabor小波系数的2D纹理模型 | 第28-32页 |
| ·基于梯度特征的2D纹理模型 | 第32-33页 |
| ·采用新的多分辨率金字塔分解方法 | 第33-35页 |
| ·改进的多分辨率金字塔搜索策略 | 第35-36页 |
| ·基于改进ASM的人脸特征点定位 | 第36-38页 |
| ·性能比较 | 第36-37页 |
| ·实验结果 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于改进ASM的人脸图像变形算法 | 第39-58页 |
| ·人脸图像变形算法的关键技术 | 第39-44页 |
| ·重采样技术 | 第39-42页 |
| ·空间映射技术 | 第42-44页 |
| ·径向基函数及其在人脸图像变形中的应用 | 第44-47页 |
| ·径向基函数 | 第44-45页 |
| ·径向基函数在人脸图像变形中的应用 | 第45-46页 |
| ·高斯径向基函数 | 第46-47页 |
| ·改进的人脸图像变形算法 | 第47-53页 |
| ·人脸特征点自动定位 | 第48页 |
| ·余弦径向基函数 | 第48-49页 |
| ·非对称余弦径向基函数 | 第49-52页 |
| ·影响区域重叠时的问题处理 | 第52页 |
| ·本文对非对称余弦径向基函数的应用 | 第52-53页 |
| ·基于改进ASM人脸特征定位的人脸图像变形算法 | 第53-57页 |
| ·人脸特征自动定位模块 | 第54页 |
| ·辅助人工特征移动模块 | 第54-55页 |
| ·人脸图像变形模块 | 第55页 |
| ·实验结果与分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| ·本文工作总结 | 第58-59页 |
| ·进一步的研究工作 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 研究成果 | 第66页 |