| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·引言 | 第9-11页 |
| ·图像特征研究的意义和应用领域 | 第11-12页 |
| ·图像特征研究的难点 | 第12-13页 |
| ·本文主要的目标和工作 | 第13-15页 |
| 第二章 二维图像处理及特征跟踪综述 | 第15-34页 |
| ·人类的视觉特性基础 | 第15-20页 |
| ·图像特征的定义及其提取方法 | 第20-26页 |
| ·直接特征 | 第21-25页 |
| ·间接特征 | 第25-26页 |
| ·图像特征的跟踪方法 | 第26-30页 |
| ·基于图像纹理特征的跟踪方法 | 第26-28页 |
| ·基于图像形状特征的跟踪方法 | 第28-29页 |
| ·结合图像纹理和形状特征的跟踪方法 | 第29-30页 |
| ·人脸特征的提取和跟踪方法 | 第30-32页 |
| ·基于三维模型的方法 | 第30-31页 |
| ·基于二维模型的方法 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 利用特征信息进行退化图像还原 | 第34-49页 |
| ·图像还原的意义及现有方法 | 第34-38页 |
| ·图像还原的应用领域及意义 | 第34-36页 |
| ·图像还原的现有方法 | 第36-38页 |
| ·使用特征信息进行盲图像还原中的抑噪操作 | 第38-40页 |
| ·使用特征信息进行PSF提取 | 第40-42页 |
| ·使用比例图方法进行还原 | 第42-45页 |
| ·实验和结果分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第四章 使用轮廓特征进行视频追踪与识别 | 第49-65页 |
| ·视频追踪与识别的现实意义 | 第49-51页 |
| ·二维图像序列中的物体识别与追踪 | 第51-60页 |
| ·硬件设备 | 第51-54页 |
| ·基于模板学习的目标训练 | 第54-58页 |
| ·识别及追踪 | 第58-60页 |
| ·实验和结果分析 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 使用比例图进行人脸表情映射 | 第65-82页 |
| ·人脸表情生成技术背景 | 第65-72页 |
| ·基于三维方法进行人脸表情生成 | 第68-70页 |
| ·基于二维方法进行人脸表情生成 | 第70-72页 |
| ·使用人脸特征及比例图进行人脸表情映射 | 第72-79页 |
| ·人脸的对齐和变形 | 第74-76页 |
| ·表情比例图的获得 | 第76-77页 |
| ·根据纹理特性通过外加滤波器对映射结果进行精化 | 第77-79页 |
| ·实验和结果分析 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 人脸特征点跟踪及表情生成系统 | 第82-107页 |
| ·人脸检测与器官特征区域定位 | 第82-89页 |
| ·人脸检测概述 | 第82-83页 |
| ·基于皮肤模型及椭圆模板的人脸检测 | 第83-87页 |
| ·人脸器官特征区域定位 | 第87-89页 |
| ·基于主动外观模型(AAM)的分区域人脸特征提取与跟踪 | 第89-98页 |
| ·外形与纹理的获取 | 第89-91页 |
| ·外形与纹理的预处理 | 第91-92页 |
| ·主动外观模型的建立 | 第92-95页 |
| ·主动外观模型的训练与搜索 | 第95-96页 |
| ·基于人脸器官特征区域的局部搜索改进 | 第96-98页 |
| ·使用GPU进行快速二维人脸表情生成 | 第98-101页 |
| ·人脸变形 | 第98-99页 |
| ·人脸纹理合成 | 第99-101页 |
| ·实验和结果分析 | 第101-106页 |
| ·本章小结 | 第106-107页 |
| 第七章 总结与展望 | 第107-109页 |
| ·本文工作总结 | 第107页 |
| ·展望 | 第107-109页 |
| 参考文献 | 第109-119页 |
| 附录 FAP点的定义 | 第119-123页 |
| 作者攻读学位期间的研究成果 | 第123-125页 |
| 致谢 | 第125-126页 |