基于图像高阶NMI值的手势识别算法研究
| 第一章 绪论 | 第1-17页 |
| ·手势识别课题研究的背景 | 第9-10页 |
| ·手势识别的分类 | 第10-11页 |
| ·根据识别对象形态差异的分类 | 第10页 |
| ·根据手势输入设备不同的分类 | 第10-11页 |
| ·手势识别研究现状 | 第11-14页 |
| ·本论文的主要工作 | 第14-17页 |
| 第二章 图像的预处理 | 第17-32页 |
| ·手势图像获取 | 第17页 |
| ·彩色图像的灰度化 | 第17-20页 |
| ·图像的色彩模式 | 第17-19页 |
| ·RGB模式到灰度模式的转换 | 第19-20页 |
| ·图像平滑 | 第20-23页 |
| ·邻域平均法 | 第20-21页 |
| ·几幅图像的叠加平均去噪声 | 第21-22页 |
| ·中值滤波 | 第22-23页 |
| ·图像的二值化 | 第23-29页 |
| ·简单的直方图分析法 | 第24-25页 |
| ·类别方差自动门限法 | 第25-27页 |
| ·最佳熵自动门限法 | 第27-29页 |
| ·滤除麻点和区域生长 | 第29-32页 |
| ·滤除麻点 | 第29-30页 |
| ·区域生长法来修补空隙 | 第30-32页 |
| 第三章 手势特征提取 | 第32-38页 |
| ·基于手势伸展方向的粗分类 | 第33-34页 |
| ·图像的NMI值和高阶NMI值 | 第34-38页 |
| ·图像的归一化转动惯量(NMI) | 第34-36页 |
| ·图像的高阶NMI值 | 第36-38页 |
| 第四章 分类器设计与手势识别 | 第38-50页 |
| ·分类器设计 | 第38-41页 |
| ·不同样本划分的错误率估计 | 第38-39页 |
| ·划分设计集和考试集的基本方法 | 第39-41页 |
| ·基于欧式距离的样本剪辑 | 第41页 |
| ·识别决策规则 | 第41-50页 |
| ·线性判别函数 | 第41-44页 |
| ·非线性判别函数 | 第44-46页 |
| ·近邻法 | 第46-50页 |
| 第五章 算法实现和结果分析 | 第50-62页 |
| ·实验环境与系统流程 | 第50-51页 |
| ·实验算法与数据结果分析 | 第51-62页 |
| ·手势图像预处理的方法和结果 | 第51-54页 |
| ·特征提取子模块的算法实现与实验数据 | 第54-58页 |
| ·基于欧氏距离的带拒绝K-近邻决策分类 | 第58-62页 |
| 结束语 | 第62-64页 |
| 致谢 | 第64-65页 |
| 发表文章 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 附录一: 灰度化源代码 | 第72-73页 |
| 附录二: 各平滑算子源代码 | 第73-76页 |
| 附录三: KSW熵二值化源代码 | 第76-78页 |
| 附录四: 去麻点和区域生长的源代码 | 第78-81页 |
| 一、 去除麻点 | 第78-79页 |
| 二、 区域生长 | 第79-81页 |
| 附录五: 提取图像高阶NMI值的源代码 | 第81-84页 |
