| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-13页 |
| 1.3 目前存在的主要问题 | 第13-14页 |
| 1.4 文中主要研究内容和组织结构 | 第14-17页 |
| 2 相关技术研究 | 第17-29页 |
| 2.1 基于计算机视觉的手语识别系统 | 第17页 |
| 2.2 用于手语识别的中国手语分类方法 | 第17-22页 |
| 2.2.1 中国手语 | 第18-21页 |
| 2.2.2 中国手语分类 | 第21-22页 |
| 2.3 建立手语数据库 | 第22-29页 |
| 2.3.1 数字图像的表示 | 第22-23页 |
| 2.3.2 手语图像采集 | 第23-29页 |
| 3 手语图像预处理及特征提取 | 第29-39页 |
| 3.1 手语图像灰度化处理 | 第29-31页 |
| 3.1.1 灰度图像相关概念 | 第29页 |
| 3.1.2 灰度转换 | 第29-31页 |
| 3.2 图像二值化及形态学开闭运算 | 第31-36页 |
| 3.2.1 图像二值化 | 第31-32页 |
| 3.2.2 二值图像形态学 | 第32-36页 |
| 3.3 手语特征提取 | 第36-39页 |
| 4 基于改进的隐Markov模型的手语模型训练 | 第39-55页 |
| 4.1 隐马尔可夫模型 | 第39-41页 |
| 4.1.1 HMM的基本概念 | 第39-40页 |
| 4.1.2 HMM需要解决的三个基本问题 | 第40-41页 |
| 4.2 HMM三个基本问题的解决 | 第41-46页 |
| 4.2.1 评估问题 | 第41-43页 |
| 4.2.2 状态解码问题 | 第43-44页 |
| 4.2.3 训练问题 | 第44-46页 |
| 4.3 基于HMM的手语模型训练 | 第46页 |
| 4.4 遗传算法 | 第46-49页 |
| 4.4.1 遗传算法概述 | 第46-47页 |
| 4.4.2 遗传算法的实现 | 第47-49页 |
| 4.5 自适应诱导进化遗传算法 | 第49-51页 |
| 4.5.1 自适应诱导进化思想 | 第49-51页 |
| 4.5.2 自适应诱导进化的实现 | 第51页 |
| 4.6 基于自适应诱导进化遗传算法的HMM训练模型 | 第51-54页 |
| 4.6.1 自适应诱导进化遗传算法的参数设定 | 第51-52页 |
| 4.6.2 模型参数训练 | 第52-54页 |
| 4.7 本章小结 | 第54-55页 |
| 5 自适应技术在非特定人手语识别中的应用 | 第55-73页 |
| 5.1 引言 | 第55-56页 |
| 5.2 结合MLLR和MAP的综合渐进自适应算法 | 第56-62页 |
| 5.2.1 MLLR算法 | 第56-59页 |
| 5.2.2 MAP算法 | 第59-60页 |
| 5.2.3 MLLR\MAP综合渐进自适应算法 | 第60-62页 |
| 5.3 改进MCE模型参数估计算法 | 第62-63页 |
| 5.3.1 基于MCE的判别学习算法 | 第62页 |
| 5.3.2 对MCE判别学习算法的改进 | 第62-63页 |
| 5.4 实验结果及分析 | 第63-72页 |
| 5.4.1 不同自适应方法识别率对比实验 | 第64-69页 |
| 5.4.2 结合模型参数估计算法的自适应手语识别系统测试实验 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间所发表论文及主要研究成果 | 第82页 |