人脸皮肤纹理测量及识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景及实际意义 | 第10-12页 |
| ·基于模式识别的纹理分析与识别技术概述 | 第12-15页 |
| ·模式识别技术概述 | 第12-13页 |
| ·纹理分析简介 | 第13-15页 |
| ·纹理分析与识别技术的研究现状 | 第15-17页 |
| ·课题主要研究内容 | 第17-18页 |
| 第2章 纹理分析统计方法 | 第18-33页 |
| ·基于灰度直方图的中心矩方法 | 第18-20页 |
| ·灰度直方图 | 第18-19页 |
| ·中心矩方法 | 第19-20页 |
| ·灰度差分统计分析方法 | 第20-21页 |
| ·游程长度分析方法 | 第21-22页 |
| ·空间灰度共生矩阵方法 | 第22-31页 |
| ·灰度共生矩阵的定义 | 第23-24页 |
| ·灰度共生矩阵的特征提取 | 第24-26页 |
| ·灰度共生矩阵常用的纹理特征解析 | 第26-28页 |
| ·灰度共生矩阵纹理特征参数测试 | 第28-31页 |
| ·极大极小值方法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 神经网络模式识别技术 | 第33-47页 |
| ·引言 | 第33-34页 |
| ·人工神经网络的基本问题 | 第34-38页 |
| ·人工神经元及一般学习算法 | 第34-35页 |
| ·人工神经网络的基本特征 | 第35页 |
| ·人工神经网络与模式识别 | 第35-36页 |
| ·人工神经网络拓扑结构 | 第36-37页 |
| ·人工神经网络的训练方法 | 第37-38页 |
| ·误差逆传播神经网络 | 第38-43页 |
| ·误差逆传播(BP)学习算法的提出 | 第38页 |
| ·BP网络结构机器学习规则 | 第38-41页 |
| ·BP网络学习算法 | 第41-43页 |
| ·用于模式识别的改进BP算法 | 第43-46页 |
| ·BP算法存在的问题 | 第43-44页 |
| ·BP算法的改进方法 | 第44-45页 |
| ·用于模式识别的TFBP算法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 人脸皮肤纹理测量及识别系统设计 | 第47-60页 |
| ·系统设计概述 | 第47-48页 |
| ·图像采集系统设计 | 第48-50页 |
| ·CCD图像传感器概述 | 第48-49页 |
| ·皮肤图像采集系统 | 第49-50页 |
| ·图像预处理过程设计 | 第50-52页 |
| ·图像预处理的目的 | 第50页 |
| ·图像的平滑 | 第50-51页 |
| ·图像的灰度变换 | 第51-52页 |
| ·皮肤纹理图像的特征选择和提取 | 第52-56页 |
| ·引言 | 第52-53页 |
| ·空间灰度共生矩阵特征提取 | 第53-55页 |
| ·中心矩特征提取 | 第55页 |
| ·游程长度特征提取 | 第55页 |
| ·极大极小值特征提取 | 第55-56页 |
| ·皮肤纹理图像的神经网络训练与分类系统设计 | 第56-59页 |
| ·BP网络结构设计分析 | 第56-57页 |
| ·TFBP网络结构设计 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 皮肤图像采集及分类实验 | 第60-75页 |
| ·引言 | 第60页 |
| ·皮肤图像采集实验 | 第60-63页 |
| ·实验装置 | 第60-61页 |
| ·图像采集实验过程 | 第61-63页 |
| ·皮肤图像预处理及特征值计算程序设计 | 第63-64页 |
| ·人脸皮肤图像的神经网络识别实验 | 第64-74页 |
| ·MATLAB神经网络工具箱概述 | 第64-65页 |
| ·TFBP网络的建立 | 第65-66页 |
| ·网络训练及识别分类仿真实验 | 第66-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间所发表的论文 | 第81-82页 |
| 致谢 | 第82-83页 |
| 个人简历 | 第83页 |
