| 缩略语表 | 第8-9页 |
| 中文摘要 | 第9-11页 |
| Abstract | 第11-12页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景 | 第13-15页 |
| 1.1.1 模式识别 | 第13-14页 |
| 1.1.2 CT 图像识别 | 第14页 |
| 1.1.3 三维人脸识别 | 第14-15页 |
| 1.2 文献回顾 | 第15-20页 |
| 1.2.1 模式识别应用 | 第15页 |
| 1.2.2 CT 图像识别 | 第15-16页 |
| 1.2.3 三维人脸识别 | 第16页 |
| 1.2.4 三维人脸姿态校正 | 第16-18页 |
| 1.2.5 三维人脸轮廓提取 | 第18页 |
| 1.2.6 三维人脸鉴别 | 第18-19页 |
| 1.2.7 国际公开人脸算法测试 | 第19-20页 |
| 1.3 论文研究内容与研究框架 | 第20页 |
| 1.4 论文组织结构 | 第20-23页 |
| 第二章 基础理论及技术 | 第23-45页 |
| 2.1 三维场景可视化渲染技术 | 第23-30页 |
| 2.1.1 OpenGL 工作原理 | 第24-25页 |
| 2.1.2 Open CV 及其数据结构 | 第25-28页 |
| 2.1.3 常用插值算法 | 第28页 |
| 2.1.4 点云处理技术 | 第28-30页 |
| 2.2 计算机图形学 | 第30-33页 |
| 2.2.1 三维物体视图生成 | 第30-32页 |
| 2.2.2 投影及裁剪 | 第32-33页 |
| 2.3 小波分析技术 | 第33-41页 |
| 2.3.1 基本小波 | 第33-35页 |
| 2.3.2 允许小波 | 第35页 |
| 2.3.3 连续小波分析 | 第35-36页 |
| 2.3.4 二进小波 | 第36-38页 |
| 2.3.5 离散小波 | 第38-39页 |
| 2.3.6 信号的奇异点检测 | 第39-41页 |
| 2.4 神经网络 | 第41-42页 |
| 2.5 弧微分与曲率 | 第42-44页 |
| 2.5.1 弧微分 | 第42页 |
| 2.5.2 曲率 | 第42-44页 |
| 2.6 本章小结 | 第44-45页 |
| 第三章 基于 RHT 和 BP 网络的脑部 CT 图像异常检测算法研究 | 第45-52页 |
| 3.1 研究背景 | 第45-46页 |
| 3.2 Hough 变换检测脑梗原理 | 第46-48页 |
| 3.3 基于 BP 神经网络的脑梗识别 | 第48-50页 |
| 3.4 仿真试验 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 三维人脸姿态校正 | 第52-85页 |
| 4.1 点云数据的三维变换及显示 | 第52-54页 |
| 4.2 基于人脸三维不变性的点云数据预处理 | 第54-57页 |
| 4.3 多姿态人脸显示分析 | 第57-71页 |
| 4.4 基于小波分析的鼻子位置确定 | 第71-76页 |
| 4.4.1 小波基的数学特性 | 第71-73页 |
| 4.4.2 鼻子位置的原理 | 第73-74页 |
| 4.4.3 小波基的选择 | 第74-75页 |
| 4.4.4 实验及结果 | 第75-76页 |
| 4.5 基于曲率变化的鼻子轮廓确认 | 第76-77页 |
| 4.6 人脸姿态校正 | 第77-82页 |
| 4.7 人脸轮廓提取 | 第82-83页 |
| 4.8 本章小结 | 第83-85页 |
| 第五章 三维人脸鉴别算法 | 第85-94页 |
| 5.1 三维人脸鉴别概述 | 第85-87页 |
| 5.2 基于小波分析的三维人脸鉴别算法 | 第87-91页 |
| 5.2.1 算法原理 | 第87-88页 |
| 5.2.2 三维人脸器官表面特征信息提取算法 | 第88-89页 |
| 5.2.3 人脸鉴别算法 | 第89-91页 |
| 5.3 试验及结果分析 | 第91-93页 |
| 5.4 本章小结 | 第93-94页 |
| 第六章 总结及展望 | 第94-96页 |
| 6.1 主要研究成果及创新点 | 第94-95页 |
| 6.2 进一步研究的方向与展望 | 第95-96页 |
| 参考文献 | 第96-109页 |
| 个人简历和研究成果 | 第109-110页 |
| 致谢 | 第110页 |