| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1.绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 2.腺样体肥大的面部辅助诊断方法 | 第15-19页 |
| 2.1 辅助诊断方法的流程概述 | 第15-16页 |
| 2.2 技术难点和创新点 | 第16-17页 |
| 2.3 主要研究内容 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3.人脸图像预处理方法研究 | 第19-27页 |
| 3.1 人脸图像数据的采集 | 第19-21页 |
| 3.1.1 面部图像采集 | 第19-20页 |
| 3.1.2 关于患者面部图像使用的有关伦理规定简介 | 第20页 |
| 3.1.3 非腺样体肥大人脸图像数据收集 | 第20-21页 |
| 3.2 人脸图像预处理 | 第21-26页 |
| 3.2.1 人脸图像增强 | 第21-22页 |
| 3.2.2 人脸检测 | 第22-23页 |
| 3.2.3 人脸特征点标记 | 第23-24页 |
| 3.2.4 人脸矫正 | 第24-26页 |
| 3.3 本章小结 | 第26-27页 |
| 4.腺样体肥大面部特征提取方法研究 | 第27-36页 |
| 4.1 特征提取方法 | 第27-35页 |
| 4.1.1 全局几何特征 | 第27-28页 |
| 4.1.2 全局纹理特征 | 第28-29页 |
| 4.1.3 局部混合特征 | 第29-31页 |
| 4.1.4 全局特征的特征选择 | 第31-34页 |
| 4.1.5 全局混合特征 | 第34-35页 |
| 4.2 本章小结 | 第35-36页 |
| 5.分类器的训练和预测 | 第36-46页 |
| 5.1 Adaboost分类器 | 第36-38页 |
| 5.2 XGBoost分类器 | 第38-39页 |
| 5.3 实验结果分析 | 第39-44页 |
| 5.3.1 实验前期工作 | 第39-40页 |
| 5.3.2 分类器的实验结果 | 第40-44页 |
| 5.4 本章小结 | 第44-46页 |
| 6.总结和展望 | 第46-47页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |