首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于单视觉通道唇读系统的研究

摘要第1-7页
ABSTRACT第7-14页
第一章 绪论第14-26页
   ·研究背景与意义第14-17页
   ·唇读主要研究内容第17-20页
     ·数据库第17页
     ·唇部的检测定位与分割第17-18页
     ·唇部特征提取第18-19页
     ·识别方法第19-20页
   ·唇读的研究现状第20-21页
     ·国外研究现状第20-21页
     ·国内研究现状第21页
   ·本文的研究内容与创新点第21-23页
   ·论文的内容安排第23-26页
第二章 唇读数据库第26-40页
   ·引言第26-27页
   ·国外相关的数据库第27-30页
   ·国内主要的双模态数据库介绍第30-33页
   ·本文所使用的数据库第33-38页
     ·采用现有的数据库第33-37页
     ·自建数据库第37-38页
   ·本章小结第38-40页
第三章 唇部的检测定位与分割第40-72页
   ·引言第40页
   ·唇部感兴趣区域的定位和分割方法第40-48页
     ·典型方法介绍第41-43页
     ·基于人脸结构和中心扩展的感兴趣区域分割第43-48页
   ·基于色度的唇部提取方法第48-57页
     ·相关方法介绍第48-51页
     ·基于LAB 空间a 分量的唇部提取方法第51-57页
   ·基于轮廓的唇部提取方法第57-66页
     ·主动轮廓模型方法第57-58页
     ·可变模板法第58-62页
     ·流形用于轮廓提取的理论基础第62-63页
     ·基于流形的轮廓提取方法基本思路第63-65页
     ·实验及其结果第65-66页
   ·基于LAB 色度空间和流形的唇部提取方法(LABME)第66-70页
     ·参数设置第67页
     ·实验步骤第67-68页
     ·实验结果及其分析第68-70页
   ·本章小结第70-72页
第四章 唇部特征提取第72-104页
   ·引言第72页
   ·唇部特征提取方法简介第72-76页
     ·特征唇方法第73-74页
     ·基于DCT 变换的唇部特征提取第74-75页
     ·基于DCT+PCA 的唇部特征提取第75页
     ·基于DCT+LDA 的唇部特征提取第75-76页
   ·DCT +ONPP 的唇部特征提取方法第76-82页
     ·流形降维相关方法介绍第77-79页
     ·ONPP 简介第79-81页
     ·基于DCT 与ONPP 的唇部特征提取方法第81页
     ·实验及其结果第81-82页
   ·DCT+LSDA第82-87页
     ·LSDA 简介第82-85页
     ·基于LSDA 的唇部特征提取方法第85-87页
   ·基于DT-CWT+PCA 的特征提取方法第87-94页
     ·双树复小波简介第87-92页
     ·DT-CWT+PCA 方法思路第92-93页
     ·实验及其结果第93-94页
   ·DT-CWT+LBP+PCA第94-101页
     ·局部二值模式简介第94-95页
     ·思路及步骤第95-96页
     ·识别方法第96-97页
     ·实验结果及其分析第97-101页
   ·DT-CWT+ONPP 的特征提取方法第101-102页
   ·本章小结第102-104页
第五章 基于唇部灰度能量图的特征提取第104-124页
   ·引言第104-105页
   ·能量图相关的理论第105-108页
     ·步态能量图GEI第105页
     ·运动历史图像(Motion History Image, MHI)和运动能量图MEI第105-106页
     ·联合时空图第106-107页
     ·时空能量图(Spactio-temporal energy,STE)第107-108页
   ·唇部灰度能量图第108-112页
     ·唇部灰度能量图(Lip Gray Energy Image,LGEI)第108-109页
     ·数据的预处理第109-110页
     ·LGEI 的抗噪性第110-111页
     ·唇部灰度能量图用于唇读第111-112页
   ·唇部灰度能量图的扩展第112页
   ·基于唇部灰度能量图和DCT+PCA 的唇部特征提取方法第112-118页
     ·LGEI+DCT+PCA 的基本思路第112页
     ·实验及其结果分析第112-118页
   ·基于唇部灰度能量图的其它特征提取方法第118-122页
     ·LGEI+DCT+LDA第119-120页
     ·LGEI+DT-CWT+LBP第120-122页
   ·本章小结第122-124页
结论第124-128页
 1. 总结第124-125页
 2. 未来工作展望第125-128页
参考文献第128-143页
攻读博士学位期间完成的学术论文第143-145页
致谢第145-146页
附件第146页

论文共146页,点击 下载论文
上一篇:通用视觉目标识别的关键技术研究
下一篇:基于增量学习的中文手写书写者自适应技术研究