基于小波系数的青年女性体型分类及原型生成研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 课题的研究背景及研究意义 | 第8-10页 |
| 1.1.1 课题的研究背景 | 第8-9页 |
| 1.1.2 课题的研究意义 | 第9-10页 |
| 1.2 相关研究现状 | 第10-15页 |
| 1.2.1 人体体型研究现状 | 第10-11页 |
| 1.2.2 特征点提取研究现状 | 第11-13页 |
| 1.2.3 截面曲线研究现状 | 第13-15页 |
| 1.3 课题主要研究内容 | 第15页 |
| 1.4 课题创新点 | 第15-16页 |
| 1.5 课题研究思路 | 第16页 |
| 1.6 章节安排 | 第16-18页 |
| 第二章 人体点云数据采集及纵截面提取 | 第18-30页 |
| 2.1 三维人体扫描 | 第18-20页 |
| 2.1.1 样本容量 | 第18页 |
| 2.1.2 实验对象 | 第18页 |
| 2.1.3 实验仪器的介绍 | 第18-20页 |
| 2.1.4 实验条件及要求 | 第20页 |
| 2.2 三维人体测量项目与测量数据分析 | 第20-24页 |
| 2.2.1 人体测量项目 | 第20-21页 |
| 2.2.2 数据检验 | 第21-23页 |
| 2.2.3 基本数据分析 | 第23-24页 |
| 2.3 人体纵截面自动提取 | 第24-29页 |
| 2.3.1 逆向工程软件简介 | 第24-25页 |
| 2.3.2 点云数据预处理 | 第25页 |
| 2.3.3 纵截面自动提取 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 纵截面曲线形态分析 | 第30-37页 |
| 3.1 纵截面曲线拟合 | 第30页 |
| 3.2 小波分析理论 | 第30-32页 |
| 3.2.1 多分辨率分析 | 第30-31页 |
| 3.2.2 小波阈值 | 第31-32页 |
| 3.3 纵截面曲线去噪 | 第32-34页 |
| 3.4 小波系数计算 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于小波系数的人体体型细分研究 | 第37-43页 |
| 4.1 基于国标的体型分类 | 第37页 |
| 4.2 基于小波系数的人体体型细分 | 第37-39页 |
| 4.2.1 最佳聚类数的确定 | 第37-38页 |
| 4.2.2 纵截面体型分类 | 第38-39页 |
| 4.3“国标+纵截面体型”标识与样本分布 | 第39-40页 |
| 4.4 青年女性服装原型纸样的生成 | 第40-42页 |
| 4.4.1 细分体型的中间体尺寸统计 | 第40-41页 |
| 4.4.2 服装原型纸样的构建与比较 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 人体躯干体型识别模型构建 | 第43-48页 |
| 5.1 LVQ神经网络的介绍 | 第43-44页 |
| 5.1.1 模型的内部构造 | 第43页 |
| 5.1.2 LVQ神经网络的优点 | 第43-44页 |
| 5.2 模型的构建 | 第44-45页 |
| 5.2.1 输入数据的降维处理 | 第44-45页 |
| 5.2.2 神经元数目的计算 | 第45页 |
| 5.2.3 学习速率的计算 | 第45页 |
| 5.3 模型训练与测试结果的分析 | 第45-47页 |
| 5.3.1 模型训练分析 | 第45-46页 |
| 5.3.2 模型测试分析 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 结论与展望 | 第48-50页 |
| 6.1 结论 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录1 | 第54-55页 |
| 附录2 | 第55-56页 |
| 攻读学位期间研究成果 | 第56-57页 |
| 致谢 | 第57页 |
