移动设备中的图像识别应用设计
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-10页 |
| ·人脸识别及移动领域的应用 | 第8页 |
| ·本文的研究目的及贡献 | 第8-9页 |
| ·本文的目录结构 | 第9-10页 |
| 第二章 概述 | 第10-16页 |
| ·人脸识别概况 | 第10-14页 |
| ·人脸识别历史 | 第10-11页 |
| ·识别研究的现状和识别步骤 | 第11-12页 |
| ·识别中遇到的几个问题 | 第12-14页 |
| ·术语定义 | 第14页 |
| ·相关工作介绍 | 第14-16页 |
| 第三章 脉冲耦合神经网络PCNN | 第16-24页 |
| ·传统PCNN模型 | 第16-22页 |
| ·算法基本原理 | 第16-18页 |
| ·脉冲耦合神经网络的工作机理 | 第18-22页 |
| ·自适应脉冲耦合神经网络 | 第22-24页 |
| 第四章 肤色检测原理 | 第24-30页 |
| ·色彩分量 | 第24-25页 |
| ·计算机色彩模型 | 第25-30页 |
| ·三原色光模型 | 第25页 |
| ·YIQ色彩空间 | 第25-26页 |
| ·CMY颜色模型 | 第26-27页 |
| ·HSV颜色模型 | 第27-28页 |
| ·肤色模型 | 第28-30页 |
| 第五章 ADABOOST检测算法 | 第30-38页 |
| ·ADABOOST方法概述 | 第30-32页 |
| ·Boosting | 第30页 |
| ·AdaBoost方法概述 | 第30-32页 |
| ·基于ADABOOST的人脸检测 | 第32-38页 |
| ·Adaboost的理论分析 | 第32-33页 |
| ·Adaboost在人脸检测中的应用 | 第33页 |
| ·人脸特征的选择 | 第33-35页 |
| ·分类函数的学习 | 第35-38页 |
| 第六章 人脸特征提取及识别 | 第38-44页 |
| ·基于灰度关系的特征提取方法 | 第38-39页 |
| ·Mosaic图法 | 第38-39页 |
| ·灰度投影法 | 第39页 |
| ·基于模板的特征提取方法 | 第39-40页 |
| ·Ratio模板 | 第39-40页 |
| ·重心模板 | 第40页 |
| ·基于统计的特征提取方法 | 第40-44页 |
| ·PCA主元分析法 | 第40-41页 |
| ·SVM支持向量机法 | 第41页 |
| ·人工神经网络法 | 第41-44页 |
| 第七章 基于嵌入式移动设备的单人脸识别PFRC | 第44-64页 |
| ·PFRC总论 | 第44-45页 |
| ·人脸图像平滑处理 | 第45-48页 |
| ·人脸肤色区域检测 | 第48-50页 |
| ·基于边沿查找的人脸区域判定 | 第48-49页 |
| ·基于人眼定位的区域判定 | 第49-50页 |
| ·人脸图像分割与二值化 | 第50-51页 |
| ·人脸模板提取及匹配识别 | 第51-53页 |
| ·浮点运算的定点处理 | 第53-61页 |
| ·浮点加法 | 第53-56页 |
| ·浮点乘法 | 第56-57页 |
| ·浮点除法 | 第57-58页 |
| ·浮点三角函数运算 | 第58-59页 |
| ·浮点开方运算 | 第59-61页 |
| ·图像噪点的PCNN效能分析 | 第61-62页 |
| ·实验数据 | 第62-64页 |
| 第八章 总结 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
