基于角点特征重构的静态手势识别算法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 手势识别研究的意义 | 第9页 |
| 1.2 手势识别技术研究现状 | 第9-10页 |
| 1.3 本文研究主要内容介绍 | 第10-11页 |
| 1.4 文章结构安排 | 第11-12页 |
| 第2章 手势识别理论基础 | 第12-17页 |
| 2.1 模式识别理论 | 第12-13页 |
| 2.2 基于机器视觉的手势追踪 | 第13-14页 |
| 2.3 基于计算机视觉的手势识别理论 | 第14-17页 |
| 2.3.1 神经网络算法 | 第14-15页 |
| 2.3.2 基于模板匹配的算法 | 第15页 |
| 2.3.3 统计分析算法 | 第15-17页 |
| 第3章 手势分割与降噪 | 第17-31页 |
| 3.1 图像分割基本概念 | 第17-18页 |
| 3.2 肤色模型空间 | 第18-24页 |
| 3.2.1 RGB、HSV 颜色空间 | 第20-21页 |
| 3.2.2 YCbCr 颜色空间 | 第21-24页 |
| 3.3 基于 PCNN 模型的图像去噪 | 第24-31页 |
| 3.3.1 图像质量评价——信噪比 | 第24-25页 |
| 3.3.2 图像去噪原理 | 第25-26页 |
| 3.3.3 PCNN 模型及原理 | 第26-28页 |
| 3.3.4 PCNN 去噪模型参数设置 | 第28-31页 |
| 第4章 角点检测与基于傅立叶描述子的优化 | 第31-45页 |
| 4.1 基于轮廓链码的角点检测方法 | 第31-36页 |
| 4.2 基于改进方法的 CSS 角点检测 | 第36-38页 |
| 4.3 基于 CPDA 的角点检测算法 | 第38-39页 |
| 4.4 基于傅立叶描述子优化的角点检测 | 第39-45页 |
| 第5章 手势识别算法设计与实验 | 第45-59页 |
| 5.1 基于轮廓线的角点特征检测 | 第45-50页 |
| 5.1.1 手势轮廓角点检测 | 第45-46页 |
| 5.1.2 图像局部特征点的描述 | 第46-50页 |
| 5.2 基于图像处理的手指关节的粗定位 | 第50-59页 |
| 5.2.1 击中/击不中算法 | 第50-53页 |
| 5.2.2 手指的粗定位 | 第53-59页 |
| 第6章 结论 | 第59-61页 |
| 6.1 本文的工作总结 | 第59页 |
| 6.2 进一步工作的展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士期间发表论文情况 | 第65-66页 |
| 致谢 | 第66页 |
