| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景 | 第10页 |
| ·三维人脸建模的应用 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·三维人脸建模的主要问题 | 第13-14页 |
| ·本文研究目的和内容 | 第14-15页 |
| ·本文章节安排 | 第15-16页 |
| 第二章 二维人脸数据获取及特征点提取 | 第16-27页 |
| ·视频序列图像的采集和预处理 | 第16-20页 |
| ·图像的采集和关键函数 | 第16-19页 |
| ·相似性度量 | 第19页 |
| ·数据压缩存储 | 第19-20页 |
| ·改进的人脸检测方法 | 第20-24页 |
| ·肤色模型 | 第20-22页 |
| ·光流算法 | 第22-23页 |
| ·确定人脸区域 | 第23-24页 |
| ·特征点提取 | 第24-26页 |
| ·候选特征提取 | 第25页 |
| ·眼睛、鼻子和嘴巴的定位结果及分析 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 三维人脸数据获取及预处理 | 第27-37页 |
| ·三维人脸数据的获取方式 | 第27-29页 |
| ·融合样本 | 第27页 |
| ·直接扫描样本 | 第27-28页 |
| ·常用三维人脸库 | 第28页 |
| ·本文采用的三维人脸库 | 第28-29页 |
| ·三维人脸数据的预处理和重采样 | 第29-30页 |
| ·预处理 | 第29页 |
| ·重采样 | 第29-30页 |
| ·图像配准技术及其应用 | 第30-36页 |
| ·图像配准方法介绍 | 第30页 |
| ·基于光流算法的配准方法 | 第30-31页 |
| ·基于TPS(Thin-Plate Splines)算法的配准方法 | 第31-32页 |
| ·改进的三维人脸图像配准方法 | 第32-35页 |
| ·图像配准结果及分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 三维人脸特征点提取技术研究 | 第37-44页 |
| ·传统的人脸特征提取方法 | 第37-38页 |
| ·三维AAM 的建模过程 | 第38-39页 |
| ·基于三维曲率的人脸特征初始定位 | 第39-43页 |
| ·三庭五等理论 | 第40页 |
| ·主曲率和主曲率方向 | 第40-41页 |
| ·形状索引 | 第41页 |
| ·亮度响应 | 第41-42页 |
| ·实现过程 | 第42-43页 |
| ·三维特征点的自动搜索方法及结果 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第五章 建立三维形变模型与基于形变模型框架下的人脸建模 | 第44-60页 |
| ·三维人脸建模方法 | 第44-46页 |
| ·基于三维散乱点数据的建模方法 | 第44-45页 |
| ·基于图像的建模方法 | 第45-46页 |
| ·三维形变模型的建立 | 第46-48页 |
| ·基本算法描述 | 第46-47页 |
| ·建模结果 | 第47-48页 |
| ·改进的基于形变模型的建模方法 | 第48-50页 |
| ·模型误差 | 第48-49页 |
| ·利用最大后验概率求目标函数 | 第49-50页 |
| ·求参数最优值 | 第50页 |
| ·优化算法 | 第50-52页 |
| ·L-M 基本算法 | 第51页 |
| ·改进算法 | 第51-52页 |
| ·形变模型框架下的人脸建模 | 第52-58页 |
| ·特定人脸的三维建模 | 第52页 |
| ·建立重建人脸信息库 | 第52-53页 |
| ·最优模型搜索及模型匹配 | 第53-54页 |
| ·人脸重建的效果显示及分析 | 第54-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 论文结论与展望 | 第60-62页 |
| ·本文的工作总结 | 第60页 |
| ·未来的研究工作 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |