基于改进的局部线性嵌入算法的静态手势识别和动态跟踪
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-19页 |
| ·选题研究背景及意义 | 第9-10页 |
| ·手势识别领域研究发展现状 | 第10-12页 |
| ·国外手势识别领域研究发展现状 | 第10-11页 |
| ·国内手势识别领域研究发展状况 | 第11-12页 |
| ·手势识别技术总概述 | 第12-16页 |
| ·手势的定义 | 第12-13页 |
| ·手势识别系统分类 | 第13页 |
| ·手势识别的系统框架 | 第13-14页 |
| ·手势识别技术的主要方法 | 第14-16页 |
| ·本文的主要研究内容及其结构 | 第16-19页 |
| 第二章 静态手势图像的预处理 | 第19-35页 |
| ·图像的基本操作 | 第19-20页 |
| ·手势图像的格式 | 第19页 |
| ·手势图像的色彩模式 | 第19-20页 |
| ·图像的灰度变换 | 第20-21页 |
| ·图像的二值化 | 第21-23页 |
| ·图像二值化的原因 | 第21-22页 |
| ·二值化的优势 | 第22页 |
| ·二值化的几种方法 | 第22-23页 |
| ·灰度直方图确定整体阈值 | 第22-23页 |
| ·局部阈值二值化 | 第23页 |
| ·动态阈值二值化 | 第23页 |
| ·图像的噪声处理 | 第23-27页 |
| ·图像增强 | 第23-26页 |
| ·平滑滤波器 | 第24-25页 |
| ·锐化滤波器 | 第25-26页 |
| ·平滑滤波去噪 | 第26-27页 |
| ·图像的边缘提取 | 第27-32页 |
| ·边缘检测算子法 | 第28-31页 |
| ·Roberts边缘检测算子法 | 第28页 |
| ·Krisch边缘算子法 | 第28-29页 |
| ·拉普拉斯算子法 | 第29-30页 |
| ·Canny边缘算子法 | 第30-31页 |
| ·八邻域搜索法 | 第31-32页 |
| ·拉普拉斯轮廓提取方法 | 第32页 |
| ·本章小结 | 第32-35页 |
| 第三章 手部模型重建和约束 | 第35-39页 |
| ·第一类约束 | 第36页 |
| ·第二类约束 | 第36-37页 |
| ·第三类约束 | 第37页 |
| ·手指控制 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第四章 手势图像的静态识别和动态跟踪 | 第39-65页 |
| ·投影关系 | 第39-41页 |
| ·LLE和NLE | 第41-42页 |
| ·分布式局部线性嵌入(DLLE) | 第42-53页 |
| ·概率密度函数的估计 | 第42-43页 |
| ·计算每个点的邻域 | 第43-46页 |
| ·重建权重的计算 | 第46-48页 |
| ·嵌入坐标的计算 | 第48页 |
| ·对比LLE、NLE和DLLE | 第48-53页 |
| ·概率神经网络(PNN) | 第53-59页 |
| ·模式分类的贝叶斯判定策略 | 第56-57页 |
| ·密度估计的一致性 | 第57-59页 |
| ·手的识别和跟踪 | 第59-63页 |
| ·图像预处理 | 第59页 |
| ·识别和跟踪的框架 | 第59-60页 |
| ·静态手势识别 | 第60-62页 |
| ·动态运动跟踪 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 实验结果及分析 | 第65-71页 |
| ·静态识别 | 第66-68页 |
| ·动态跟踪 | 第68-69页 |
| ·本章小结 | 第69-71页 |
| 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的科研成果 | 第77-79页 |
| 致谢 | 第79页 |
