| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题背景和研究意义 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本文组织结构 | 第15-17页 |
| 第2章 预备知识 | 第17-26页 |
| ·数字图像分类 | 第17-19页 |
| ·合成图像 | 第17-18页 |
| ·增强图像 | 第18页 |
| ·手修图像 | 第18-19页 |
| ·手绘图像 | 第19页 |
| ·CG图像 | 第19页 |
| ·支持向量机(SVM,SUPPORT VECTOR MACHINE) | 第19-23页 |
| ·理论背景 | 第20-21页 |
| ·线形支持向量机 | 第21-22页 |
| ·非线形支持向量机 | 第22-23页 |
| ·HAAR特征检测 | 第23-25页 |
| ·积分图像 | 第23-24页 |
| ·Haar特征 | 第24-25页 |
| ·级联分类器 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第3章 CG图像与相机图像的检测 | 第26-42页 |
| ·分类特征 | 第26-38页 |
| ·边缘过渡梯度 | 第27-29页 |
| ·高饱和度颜色分布 | 第29-31页 |
| ·图像暗部噪声分布 | 第31-33页 |
| ·CFA颜色过滤数组插值特征 | 第33-38页 |
| ·训练分类器 | 第38-40页 |
| ·训练样本选择 | 第38-39页 |
| ·训练分类器 | 第39-40页 |
| ·检测分类 | 第40页 |
| ·实验结果分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 人物图像检测 | 第42-48页 |
| ·人眼位置检测 | 第43-46页 |
| ·训练分类器 | 第43页 |
| ·边缘检测 | 第43-44页 |
| ·边缘线生长(获取人眼虹膜轮廓"U"型线) | 第44-45页 |
| ·优化样本点 | 第45-46页 |
| ·椭圆拟合,给出虹膜位置 | 第46页 |
| ·实验结果分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 图像标注 | 第48-52页 |
| ·图像标注实现架构 | 第48-49页 |
| ·图像标注WEB应用实现 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52-53页 |
| ·未来工作展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的主要学术论文 | 第58-59页 |
| 攻读学位期间参加的项目 | 第59-60页 |
| 学位论文评阅及答辩情况表 | 第60页 |