| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 主要符号对照表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·计算机视觉和性别分类的研究背景 | 第10页 |
| ·性别分类研究现状 | 第10-13页 |
| ·基于人脸的内部特征 | 第11-12页 |
| ·外部特征 | 第12-13页 |
| ·本文的主要研究内容和创新点 | 第13页 |
| ·文章的安排 | 第13-15页 |
| 第二章 基于人脸特征的性别分类 | 第15-45页 |
| ·引言 | 第15-16页 |
| ·Adaboost方法进行性别分类 | 第16-22页 |
| ·标准Adaboost方法 | 第16-18页 |
| ·基于Look-Up-Table Haar-like特征的Adaboost方法 | 第18-22页 |
| ·特征抽取+SVM方法进行性别分类 | 第22-45页 |
| ·预处理人脸图像 | 第22-27页 |
| ·局部二值模式特征 | 第27-30页 |
| ·Gabor局部二值映射特征 | 第30-39页 |
| ·Gabor小波变换 | 第30-33页 |
| ·Gabor局部二值映射 | 第33-39页 |
| ·多分辨率Gabor局部二值映射特征Multi-LGBMP | 第39-40页 |
| ·局部器官的多分辨率Gabor局部二值映射特征 | 第40-45页 |
| ·主动外观模型的建立 | 第40-42页 |
| ·主动外观模型的搜索 | 第42-45页 |
| 第三章 基于外部特征的性别分类 | 第45-53页 |
| ·引言 | 第45页 |
| ·头发检测 | 第45-48页 |
| ·亮度-色度模型 | 第45-46页 |
| ·头发区域搜索 | 第46-48页 |
| ·头发特征选择 | 第48-49页 |
| ·头发特征的决策树学习 | 第49-53页 |
| ·决策树学习的适用问题 | 第49-50页 |
| ·决策树学习算法 | 第50页 |
| ·最佳分类属性 | 第50-52页 |
| ·熵 | 第50-51页 |
| ·信息增益 | 第51-52页 |
| ·处理连续值属性 | 第52-53页 |
| 第四章 分类器融合策略 | 第53-59页 |
| ·引言 | 第53页 |
| ·贝叶斯融合 | 第53-54页 |
| ·其他融合方法 | 第54-55页 |
| ·模糊积分 | 第55-59页 |
| ·模糊测度概念 | 第55-56页 |
| ·模糊积分概念 | 第56页 |
| ·模糊积分的主要性质 | 第56-57页 |
| ·模糊积分解决性别分类问题 | 第57-59页 |
| 第五章 性别分类实验分析 | 第59-73页 |
| ·引言 | 第59页 |
| ·Adaboost方法进行性别分类实验分析 | 第59-60页 |
| ·实验准备 | 第59页 |
| ·实验结果与分析 | 第59-60页 |
| ·LGBMP方法比较实验 | 第60-62页 |
| ·实验准备 | 第60-62页 |
| ·实验结果与分析 | 第62页 |
| ·多分辨率LGBMP方法比较实验 | 第62-64页 |
| ·实验准备 | 第62-64页 |
| ·实验结果与分析 | 第64页 |
| ·局部器官多分辨率LGBMP方法比较实验 | 第64-71页 |
| ·实验准备 | 第64页 |
| ·实验结果与分析 | 第64-71页 |
| ·内部特征与头发信息相结合 | 第71-72页 |
| ·实验准备 | 第71-72页 |
| ·实验结果与分析 | 第72页 |
| ·本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| ·本文的主要贡献 | 第73-74页 |
| ·进一步的研究工作 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 个人简历、在学期间的研究成果及发表的论文 | 第79-80页 |
| 上海交通大学硕士学位论文答辩决议书 | 第80-82页 |