DCT压缩域人脸检测技术的初步研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第 1 章 绪论 | 第8-13页 |
| ·课题背景 | 第8-9页 |
| ·研究现状 | 第9-11页 |
| ·本论文主要研究工作 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第 2 章 压缩域图像/视频处理技术 | 第13-22页 |
| ·基本概念 | 第13-14页 |
| ·压缩域的处理位置 | 第14-15页 |
| ·压缩域的研究方法 | 第15-17页 |
| ·对等操作 | 第15-16页 |
| ·特有操作 | 第16-17页 |
| ·几种典型的压缩域处理技术 | 第17-21页 |
| ·离散余弦变换(DCT) | 第17-18页 |
| ·离散小波变换(DWT) | 第18-19页 |
| ·矢量量化 | 第19页 |
| ·其它 | 第19-21页 |
| ·各种压缩域操作的比较 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第 3 章 人脸检测研究进展 | 第22-31页 |
| ·人脸检测的提出 | 第22页 |
| ·人脸检测的技术难点 | 第22-23页 |
| ·人脸检测方法分类 | 第23-28页 |
| ·基于知识的方法 | 第23-24页 |
| ·特征不变性方法 | 第24-25页 |
| ·模板匹配方法 | 第25页 |
| ·基于外貌的方法 | 第25-28页 |
| ·压缩域人脸检测方法 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第 4 章 DCT 域的特征提取 | 第31-42页 |
| ·DCT 的特征提取能力 | 第31页 |
| ·分块效应 | 第31-33页 |
| ·DCT 域特征向量的选择 | 第33-35页 |
| ·DCT 块合并 | 第35-41页 |
| ·问题描述 | 第35-36页 |
| ·一维信号 | 第36-40页 |
| ·二维信号 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第 5 章 DCT 域人脸检测技术研究 | 第42-54页 |
| ·人脸检测流程 | 第42页 |
| ·算法概述 | 第42-44页 |
| ·利用模式匹配检测人脸 | 第43页 |
| ·分类过程 | 第43-44页 |
| ·基于分布的人脸模型 | 第44-48页 |
| ·样本的充足性 | 第44-46页 |
| ·人脸分布的描述 | 第46-48页 |
| ·基于神经网络的分类器 | 第48-50页 |
| ·神经网络简介 | 第48-49页 |
| ·神经网络分类器的训练与运用 | 第49-50页 |
| ·样本的收集 | 第50-52页 |
| ·人脸样本 | 第50-51页 |
| ·非人脸样本 | 第51-52页 |
| ·肤色验证 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第 6 章 DCT 域人脸检测的实现 | 第54-69页 |
| ·检测过程 | 第54-55页 |
| ·DCT 域的缩放 | 第55-57页 |
| ·整体描述 | 第55-56页 |
| ·分数缩放 | 第56-57页 |
| ·实验结果 | 第57-68页 |
| ·本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 主要研究内容 | 第69-70页 |
| 展望 | 第70-71页 |
| 参考文献 | 第71-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79-80页 |
| 攻读硕士学位期间参加的科研项目 | 第80-81页 |
| 致谢 | 第81页 |
