| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·唇读研究方法概述 | 第11-14页 |
| ·检测与定位 | 第11页 |
| ·特征提取 | 第11-13页 |
| ·识别方法 | 第13-14页 |
| ·本文研究内容 | 第14-17页 |
| 第2章 基于卷积静电场 Snake 模型的唇部几何特征提取 | 第17-29页 |
| ·卷积静电场Snake 模型 | 第17-22页 |
| ·Snake 模型的原理 | 第17-19页 |
| ·Snake 模型的自动初始化 | 第19-20页 |
| ·卷积静电场Snake 模型的原理 | 第20-22页 |
| ·实验结果与分析 | 第22-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 唇部特征融合 | 第29-43页 |
| ·图像预处理 | 第29-30页 |
| ·唇部灰度特征提取 | 第30-33页 |
| ·降维算法概述 | 第31页 |
| ·PCA 算法原理 | 第31-32页 |
| ·PCA 算法主要步骤 | 第32-33页 |
| ·唇部特征融合 | 第33-36页 |
| ·数据融合技术 | 第33-35页 |
| ·特征融合方法 | 第35-36页 |
| ·唇读特征融合实验 | 第36页 |
| ·等距映射法 | 第36-41页 |
| ·流形学习介绍 | 第37-38页 |
| ·ISOMAP 法原理 | 第38-39页 |
| ·实验结果 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第4章 基于 HMM 的唇语识别 | 第43-60页 |
| ·HMM 模型的定义 | 第43-45页 |
| ·HMM 的基本算法 | 第45-51页 |
| ·前向后向算法 | 第45-47页 |
| ·Viterbi 算法 | 第47-48页 |
| ·Baum-Welch 算法 | 第48-51页 |
| ·HMM 模型的应用问题 | 第51-53页 |
| ·状态类型的选择 | 第52页 |
| ·初始模型的设置 | 第52-53页 |
| ·HMM 的训练和识别 | 第53-55页 |
| ·训练过程 | 第54页 |
| ·识别过程 | 第54-55页 |
| ·实验结果分析 | 第55-57页 |
| ·头戴式摄像机的应用 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 结论与展望 | 第60-62页 |
| 本文结论 | 第60页 |
| 后续研究的展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |