| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文的主要工作与组织结构 | 第12-14页 |
| 第2章 面瘫数据采集 | 第14-19页 |
| 2.1 数据来源及采集流程 | 第14-15页 |
| 2.2 数据采集装置 | 第15-17页 |
| 2.3 数据采集软件 | 第17页 |
| 2.4 面瘫数据采集结果 | 第17-19页 |
| 第3章 建立面部特征点检测模型 | 第19-29页 |
| 3.1 面部特征点检测方法的选择 | 第19-20页 |
| 3.2 相关知识准备 | 第20-22页 |
| 3.2.1 面部区域检测方法 | 第20-21页 |
| 3.2.2 尺度不变特征转换 | 第21-22页 |
| 3.2.3 主成分分析 | 第22页 |
| 3.3 基于有监督下降方法的面部特征点检测模型 | 第22-29页 |
| 3.3.1 计算机视觉中的最优化问题求解介绍 | 第22-23页 |
| 3.3.2 有监督下降方法 | 第23-26页 |
| 3.3.3 面部特征点检测模型的训练过程 | 第26-27页 |
| 3.3.4 面部特征点检测模型的检测过程 | 第27-29页 |
| 第4章 面部结构对称性量化及面部中分线选择 | 第29-37页 |
| 4.1 面部结构对称性量化 | 第29-34页 |
| 4.1.1 H-B面神经功能评价标准介绍 | 第29-30页 |
| 4.1.2 面部结构对称性量化方法 | 第30-33页 |
| 4.1.3 面部结构对称性特征的选择 | 第33-34页 |
| 4.2 面部中分线划分方法 | 第34-37页 |
| 4.2.1 面部中分线介绍 | 第34-35页 |
| 4.2.2 用于面瘫图像的面部中分线划分方法 | 第35-36页 |
| 4.2.3 面部中分线划分方法选择 | 第36-37页 |
| 第5章 H-B分级评分监督下的面瘫分级分类器 | 第37-49页 |
| 5.1 引言 | 第37页 |
| 5.2 线性SVM的原理介绍 | 第37-41页 |
| 5.3 非线性SVM的原理介绍 | 第41-44页 |
| 5.3.1 通过核函数解决线性不可分问题 | 第41-43页 |
| 5.3.2 常用核函数的介绍 | 第43-44页 |
| 5.4 建立基于SVM的多类分类器 | 第44-45页 |
| 5.5 过拟合现象和解决方法介绍 | 第45-46页 |
| 5.6 建立H-B分级评分监督下的面瘫分级分类器 | 第46-49页 |
| 5.6.1 面瘫图像样本集扩展 | 第46页 |
| 5.6.2 面瘫分级分类器的建立过程 | 第46-49页 |
| 第6章 数据分析与结果 | 第49-65页 |
| 6.1 研究平台与工具 | 第49-50页 |
| 6.1.1 MATLAB研究平台 | 第49页 |
| 6.1.2 用于MATLAB的Open CV库 | 第49页 |
| 6.1.3 LibSVM库 | 第49-50页 |
| 6.2 面部特征点检测模型实现与分析 | 第50-53页 |
| 6.2.1 训练数据准备 | 第50-51页 |
| 6.2.2 面部特征点检测模型的实现 | 第51-52页 |
| 6.2.3 对面瘫图像特征点检测的结果分析 | 第52-53页 |
| 6.3 面部结构对称性量化实现与分析 | 第53-61页 |
| 6.3.1 提取对称性特征 | 第53-54页 |
| 6.3.2 面部中分线划分的选择 | 第54-55页 |
| 6.3.3 对称性特征的相关性分析 | 第55-61页 |
| 6.4 面瘫客观评估的实现与分析 | 第61-65页 |
| 6.4.1 数据集扩展的实现 | 第61页 |
| 6.4.2 H-B分级评分监督下的面瘫分级分类器的建立 | 第61-62页 |
| 6.4.3 对称性特征的选择 | 第62-64页 |
| 6.4.4 面瘫客观评估的实现 | 第64-65页 |
| 第7章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间的研究成果 | 第70页 |