| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.1.1 手势识别研究背景 | 第13-14页 |
| 1.1.2 手势识别技术在人机交互中的应用 | 第14页 |
| 1.2 手势识别国内外研究现状 | 第14-17页 |
| 1.2.1 国外现状 | 第15页 |
| 1.2.2 国内现状 | 第15-16页 |
| 1.2.3 手势识别技术在研究中的局限性与困难 | 第16-17页 |
| 1.3 手势识别的分类 | 第17-18页 |
| 1.3.1 基于数据手套的手势识别 | 第17-18页 |
| 1.3.2 基于视觉的手势识别 | 第18页 |
| 1.4 论文的结构安排 | 第18-20页 |
| 第2章 手势图像预处理 | 第20-37页 |
| 2.1 图像预处理研究的意义 | 第20页 |
| 2.2 色彩空间的介绍分析 | 第20-23页 |
| 2.2.1 RGB色彩空间 | 第20-21页 |
| 2.2.2 HSV色彩空间 | 第21-22页 |
| 2.2.3 YUV色彩空间 | 第22-23页 |
| 2.3 色彩空间的转换 | 第23-25页 |
| 2.3.1 RGB与HSV的转换 | 第23-24页 |
| 2.3.2 HSV到RGB的转换 | 第24-25页 |
| 2.4 图像平滑的方法以及对图像处理的重要性 | 第25-29页 |
| 2.4.1 高斯滤波法 | 第26-27页 |
| 2.4.2 邻域平均法 | 第27页 |
| 2.4.3 中值滤波法 | 第27-28页 |
| 2.4.4 平滑方法小结以及仿真 | 第28-29页 |
| 2.5 手势识别处理中数字形态学 | 第29-31页 |
| 2.6 边缘检测和轮廓提取 | 第31-37页 |
| 2.6.1 边缘检测中常见的检测算子 | 第31-34页 |
| 2.6.2 改进的Canny边缘检测算法： | 第34-37页 |
| 第3章 手势识别中的图像分割技术 | 第37-47页 |
| 3.1 手势图像分割的背景及研究意义 | 第37-38页 |
| 3.2 图像分割的分类 | 第38-40页 |
| 3.3 基于Otsu算法的手势分割算法的研究 | 第40-47页 |
| 3.3.1 一维Otsu算法的研究 | 第40-41页 |
| 3.3.2 基于传统灰度值划分方法的二维阀值分割 | 第41-43页 |
| 3.3.3 基于改进灰度值划分方法的二维阀值分割 | 第43-45页 |
| 3.3.4 基于改进二维Otsu算法的手势分割 | 第45-47页 |
| 第4章 基于不变距与ANFIS识别系统的手势识别技术 | 第47-66页 |
| 4.1 手势识别中特征提取的基本概念 | 第47-53页 |
| 4.1.1 基于傅里叶描绘子的手势特征提取法 | 第49-51页 |
| 4.1.2 基于不变距的手势特征提取法 | 第51-53页 |
| 4.2 手势识别原理的介绍以及分类 | 第53-56页 |
| 4.2.1 模板匹配法 | 第53-54页 |
| 4.2.2 统计模式识别法 | 第54-55页 |
| 4.2.3 模板模式识别法 | 第55页 |
| 4.2.4 句法模式识别法 | 第55-56页 |
| 4.3 基于人工神经网络的神经网络的手势识别法 | 第56-61页 |
| 4.3.1 人工神经网络的基本概念 | 第56-59页 |
| 4.3.2 人工神经网络的算法结构 | 第59-60页 |
| 4.3.3 人工神经网络学习过程 | 第60-61页 |
| 4.4 基于自适应神经元模糊推理系统的手势识别算法的研究 | 第61-66页 |
| 4.4.1 自适应神经元模糊推理系统（ANFTS）的实现过程 | 第61-63页 |
| 4.4.2 自适应神经元模糊推理系统（ANFTS）的学习过程 | 第63-66页 |
| 第5章 手势的特征提取及识别结果 | 第66-71页 |
| 5.1 手势识别系统的实现过程 | 第66页 |
| 5.2 手势识别系统的样本训练过程 | 第66-68页 |
| 5.3 基于Sugeno模糊模型的ANFIS在手势识别的结果 | 第68-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80-81页 |
