摘要 | 第1-5页 |
Abstract | 第5-9页 |
第一章 绪论 | 第9-17页 |
·课题研究背景及其意义 | 第9-10页 |
·研究现状 | 第10-14页 |
·人脸检测在国内外的研究现状 | 第10-11页 |
·颜色恒常在国内外的研究现状 | 第11-14页 |
·论文主要研究内容和结构安排 | 第14-17页 |
·论文研究内容 | 第14-16页 |
·论文结构安排 | 第16-17页 |
第二章 基于色彩空间的肤色检测算法 | 第17-27页 |
·颜色空间 | 第17-19页 |
·RGB 颜色模型 | 第17-18页 |
·HSV 颜色模型 | 第18-19页 |
·YCbCr 颜色模型 | 第19页 |
·肤色分类方法 | 第19-23页 |
·阈值分割 | 第19-21页 |
·参数模型 | 第21-22页 |
·非参数化方法 | 第22-23页 |
·基于颜色空间的肤色聚类 | 第23-26页 |
·肤色在 RGB 空间的聚类 | 第23-24页 |
·肤色在 HSV 空间的聚类 | 第24-25页 |
·基于 YCbCr 空间的肤色聚类 | 第25-26页 |
·本章小结 | 第26-27页 |
第三章 色彩恒常算法及其在肤色检测中的应用 | 第27-49页 |
·颜色恒常性的理论基础 | 第27-31页 |
·朗伯特反射模型 | 第29-30页 |
·Von Kries 对角模型 | 第30-31页 |
·经典颜色恒常算法 | 第31-34页 |
·White-Patch 算法 | 第31-32页 |
·Gray-world 算法 | 第32页 |
·Retinex 算法 | 第32-34页 |
·基于流形结构的色彩恒常算法 | 第34-38页 |
·背景光照转换 | 第35-37页 |
·实验和结果 | 第37-38页 |
·改进的颜色恒常算法 | 第38-48页 |
·Gray-world 与 Retinex 算法的融合 | 第38-39页 |
·基于亮度加权的改进算法 | 第39-40页 |
·算法实现结果 | 第40-42页 |
·光照估计算法对比试验与分析 | 第42-45页 |
·颜色恒常处理在肤色分割中的应用 | 第45-48页 |
·本章小结 | 第48-49页 |
第四章 基于改进双椭圆肤色建模的肤色定位分析 | 第49-62页 |
·基于双椭圆肤色模型的肤色检测 | 第49-54页 |
·基于 YCgCr 颜色模型的肤色检测 | 第49-51页 |
·双椭圆肤色模型搭建 | 第51-53页 |
·结合色彩恒常预处理与改进肤色模型的肤色似然转换 | 第53-54页 |
·肤色分割 | 第54-59页 |
·基于灰度似然图的大津阈值肤色分割 | 第54-56页 |
·基于彩色纹理分析的肤色分割 | 第56-59页 |
·图像形态学处理 | 第59-60页 |
·腐蚀(Erosion) | 第59-60页 |
·膨胀(Dilation) | 第60页 |
·开运算 | 第60页 |
·闭运算 | 第60页 |
·实验结果 | 第60-61页 |
·本章小结 | 第61-62页 |
第五章 基于几何特征的人脸检测 | 第62-68页 |
·标定连接区域 | 第62-64页 |
·连接分量 | 第62-63页 |
·标记连接分量 | 第63-64页 |
·人脸筛选 | 第64-67页 |
·凹凸法则 | 第64页 |
·面积法则 | 第64-65页 |
·长宽比 | 第65页 |
·孔洞法 | 第65页 |
·椭圆定位法 | 第65-66页 |
·筛选结果 | 第66-67页 |
·人脸检测结果 | 第67页 |
·本章小结 | 第67-68页 |
第六章 结合色彩恒常算法的 Adaboost 人脸检测 | 第68-78页 |
·基于 Adaboost 算法的人脸检测 | 第68-73页 |
·Haar 特征及积分特征值 | 第68-70页 |
·Haar 矩形特征对应生成弱分类器 | 第70页 |
·弱分类器构造强分类器 | 第70-71页 |
·Cascade 级联分类器 | 第71-72页 |
·算法特性综述 | 第72-73页 |
·算法实现步骤及结果 | 第73-75页 |
·算法实现 | 第73-74页 |
·实验结果 | 第74-75页 |
·结合色彩恒常算法的 Adaboost 人脸检测 | 第75-77页 |
·本章小结 | 第77-78页 |
第七章 总结与展望 | 第78-80页 |
·总结 | 第78页 |
·展望 | 第78-80页 |
参考文献 | 第80-83页 |
致谢 | 第83-84页 |
个人简历 | 第84页 |
攻读硕士学位期间发表论文 | 第84页 |