基于浮点坐标系的图像处理方法及应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究的背景和意义 | 第12-13页 |
| 1.2 本文相关研究工作 | 第13-16页 |
| 1.2.1 图像变形插值 | 第14-16页 |
| 1.2.2 图像标准化 | 第16页 |
| 1.3 内容安排 | 第16-19页 |
| 1.3.1 本文的内容框架 | 第16-18页 |
| 1.3.2 本文的章节安排 | 第18-19页 |
| 第2章 浮点坐标系的文件格式 | 第19-29页 |
| 2.1 引言 | 第19页 |
| 2.2 数字图像数据 | 第19-20页 |
| 2.3 浮点坐标系的结构思路 | 第20-21页 |
| 2.4 文件名命名规则 | 第21页 |
| 2.5 浮点坐标系文件结构 | 第21-26页 |
| 2.5.1 文件结构表 | 第21-23页 |
| 2.5.2 文件各部分格式说明 | 第23-26页 |
| 2.5.3 文件使用说明 | 第26页 |
| 2.6 三角形坐标 | 第26-27页 |
| 2.7 四边形坐标 | 第27页 |
| 2.8 本章小结 | 第27-29页 |
| 第3章 三角形坐标的定义与性质 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 三角形坐标的定义 | 第29-31页 |
| 3.2.1 约束顶点 | 第29-30页 |
| 3.2.2 三角区域 | 第30页 |
| 3.2.3 三角形坐标定义 | 第30-31页 |
| 3.3 三角形坐标的性质 | 第31-40页 |
| 3.3.1 三角形坐标的逆变化 | 第31-32页 |
| 3.3.2 仿射不变性 | 第32-33页 |
| 3.3.3 连续性 | 第33-36页 |
| 3.3.4 可分解性 | 第36-37页 |
| 3.3.5 旋转、缩放、平移不变性 | 第37-39页 |
| 3.3.6 线性不变性 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 三角形坐标下的人脸图像校正归一化算法 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 人脸图像校正归一化算法的现状 | 第41-42页 |
| 4.3 三角形坐标的人脸归一化算法 | 第42-44页 |
| 4.4 实验过程和结果分析 | 第44-49页 |
| 4.4.1 克服姿态影响 | 第44-47页 |
| 4.4.2 克服缩放影响 | 第47页 |
| 4.4.3 克服表情影响 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 三角形坐标在人脸识别中的应用 | 第50-68页 |
| 5.1 引言 | 第50页 |
| 5.2 人脸识别的市场前景 | 第50-51页 |
| 5.3 现有人脸识别算法的介绍 | 第51-55页 |
| 5.3.1 人脸识别的技术框架和难点 | 第51-52页 |
| 5.3.2 国内外的人脸识别技术发展 | 第52-55页 |
| 5.3.2.1 基于几何结构的人脸识别算法 | 第53页 |
| 5.3.2.2 基于特征子空间的人脸识别方法 | 第53-55页 |
| 5.3.2.3 基于神经网络的人脸识别方法 | 第55页 |
| 5.4 基于仿生模式识别的人脸算法研究 | 第55-58页 |
| 5.4.1 连续性的研究意义 | 第55-56页 |
| 5.4.2 基于仿生模式识别的同源连续性 | 第56-57页 |
| 5.4.3 仿生模式识别神经元描述 | 第57-58页 |
| 5.5 三角形坐标下的变形连续性 | 第58-60页 |
| 5.6 实验过程和结果分析 | 第60-67页 |
| 5.6.1 人脸图像连续性 | 第60-62页 |
| 5.6.2 改进的仿生模式识别在人脸识别中的应用 | 第62-67页 |
| 5.7 本章小结 | 第67-68页 |
| 第6章 基于三角形坐标的人脸表情识别研究 | 第68-79页 |
| 6.1 引言 | 第68页 |
| 6.2 表情识别的意义和现状 | 第68-69页 |
| 6.3 三角形坐标下的表情矢量坐标模型 | 第69页 |
| 6.4 图形变形的矢量位移坐标模型描述 | 第69-70页 |
| 6.5 人脸表情图像位移矢量的方向性研究 | 第70-75页 |
| 6.5.1 人脸的表情移植 | 第70-72页 |
| 6.5.2 人脸表情的渐变 | 第72-75页 |
| 6.6 基于方向基神经网络的人脸表情识别 | 第75-78页 |
| 6.6.1 分层方向基神经网络模型的数学描述 | 第75-76页 |
| 6.6.2 训练与识别算法 | 第76-78页 |
| 6.7 本章结语 | 第78-79页 |
| 第7章 结论与展望 | 第79-82页 |
| 7.1 结论 | 第79-80页 |
| 7.2 展望 | 第80-82页 |
| 参考文献 | 第82-94页 |
| 致谢 | 第94-95页 |
| 攻读学位期间参加的科研项目和成果 | 第95页 |
