便携式人脸肤质检测与评价系统的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 人脸肤质检测领域的研究概况 | 第10-12页 |
| 1.2.1 皮肤构造剖析 | 第10页 |
| 1.2.2 肤质检测指标 | 第10-11页 |
| 1.2.3 国内外研究现状 | 第11-12页 |
| 1.3 研究内容和预期效果 | 第12-13页 |
| 1.4 论文组织 | 第13-15页 |
| 第2章 人脸肤质检测图像处理算法 | 第15-38页 |
| 2.1 人脸皮肤图像处理技术 | 第15-22页 |
| 2.1.1 HSV颜色空间 | 第15-16页 |
| 2.1.2 最大类间方差法 | 第16-17页 |
| 2.1.3 Canny算子边缘检测 | 第17-19页 |
| 2.1.4 二值形态学运算 | 第19-20页 |
| 2.1.5 灰度共生矩阵 | 第20-22页 |
| 2.2 人脸肤质指标提取 | 第22-32页 |
| 2.2.1 基于颜色模型的油份、色素提取 | 第22-24页 |
| 2.2.2 基于双阈值分割和形态学运算的毛孔提取 | 第24-28页 |
| 2.2.3 基于共生矩阵的粗糙度提取 | 第28-32页 |
| 2.3 人脸肤质检测算法有效性验证 | 第32-36页 |
| 2.3.1 油份检测有效性验证 | 第32-33页 |
| 2.3.2 色素检测有效性验证 | 第33-34页 |
| 2.3.3 毛孔大小检测有效性验证 | 第34-36页 |
| 2.3.4 整体分析 | 第36页 |
| 2.4 本章小结 | 第36-38页 |
| 第3章 人脸肤质评价模型的设计 | 第38-52页 |
| 3.1 评价模型的建立 | 第38-43页 |
| 3.1.1 评价模型设计原理 | 第38-39页 |
| 3.1.2 SVM分类器原理 | 第39-41页 |
| 3.1.3 BP分类器原理 | 第41-42页 |
| 3.1.4 KNN分类器原理 | 第42-43页 |
| 3.2 评价模型的训练和测试 | 第43-49页 |
| 3.2.1 训练样本集的建立 | 第43-45页 |
| 3.2.2 SVM分类器的训练和测试 | 第45-46页 |
| 3.2.3 BP分类器的训练和测试 | 第46-47页 |
| 3.2.4 KNN分类器的训练和测试 | 第47-48页 |
| 3.2.5 三种分类器性能比较 | 第48-49页 |
| 3.3 仿真实验 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 系统的整体设计 | 第52-72页 |
| 4.1 图像采集设备 | 第52-57页 |
| 4.1.1 微距摄像头 | 第53-54页 |
| 4.1.2 ARM核心控制模块 | 第54-55页 |
| 4.1.3 蓝牙模块 | 第55-56页 |
| 4.1.4 供电模块 | 第56-57页 |
| 4.2 后台服务器端 | 第57-62页 |
| 4.2.1 后台服务器端设计流程 | 第57-59页 |
| 4.2.2 用户信息管理模块 | 第59-60页 |
| 4.2.3 图像处理和评价系统模块 | 第60-62页 |
| 4.3 Android客户端 | 第62-67页 |
| 4.3.1 Android客户端设计流程 | 第62-63页 |
| 4.3.2 用户信息管理模块 | 第63-65页 |
| 4.3.3 肤质检测和评价模块 | 第65-67页 |
| 4.4 系统整体测试 | 第67-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第5章 总结与展望 | 第72-74页 |
| 5.1 全文工作总结 | 第72-73页 |
| 5.2 未来工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-77页 |
