摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第12-20页 |
1.1 课题背景 | 第12-13页 |
1.2 相关研究工作 | 第13-16页 |
1.2.1 主成分分析方法 | 第13页 |
1.2.2 基于梯度特征匹配的对称性分析方法 | 第13-14页 |
1.2.3 特征聚类方法 | 第14页 |
1.2.4 基于特征聚类的对称性分析方法 | 第14-15页 |
1.2.5 三维模型重建算法 | 第15页 |
1.2.6 网格融合算法 | 第15-16页 |
1.2.7 对称化算法 | 第16页 |
1.3 人脸对称性问题及其难点 | 第16-17页 |
1.4 主要研究工作及贡献 | 第17-18页 |
1.5 论文内容和结构 | 第18-19页 |
1.6 本章小结 | 第19-20页 |
第2章 人脸模型的采集和预处理 | 第20-23页 |
2.1 三维人脸模型 | 第20页 |
2.2 三维人脸模型的采集方法概述 | 第20-22页 |
2.2.1 三维扫描仪与Kinect | 第20-21页 |
2.2.2 三维重建技术与KinectFusion | 第21-22页 |
2.3 三维人脸模型的预处理 | 第22页 |
2.4 本章小结 | 第22-23页 |
第3章 人脸模型的对称性分析 | 第23-34页 |
3.1 三维人脸的对称性分析 | 第23页 |
3.2 三维人脸对称性分析算法概述 | 第23页 |
3.3 模型采样 | 第23-25页 |
3.3.1 采样与局部信息的计算 | 第23-25页 |
3.3.2 采样结果的筛选 | 第25页 |
3.4 模型特征的生成 | 第25-28页 |
3.4.1 生成点对 | 第26-27页 |
3.4.2 生成特征 | 第27-28页 |
3.5 模型特征的聚类分析 | 第28-29页 |
3.5.1 Mean-shift算法 | 第28页 |
3.5.2 特征距离 | 第28页 |
3.5.3 密度核函数与Mean-shift向量 | 第28-29页 |
3.6 特征-网格的重映射 | 第29页 |
3.7 对称点对的延伸搜索 | 第29-31页 |
3.8 网格匹配的修正 | 第31-32页 |
3.9 网格匹配迭代过程中的优化 | 第32-33页 |
3.9.1 阈值松弛 | 第32页 |
3.9.2 顶点归属唯一化 | 第32-33页 |
3.10 对称矩阵的提取 | 第33页 |
3.11 本章小结 | 第33-34页 |
第4章 人脸模型的对称性修复 | 第34-37页 |
4.1 人脸模型对称性修复的问题 | 第34页 |
4.2 离散拉普拉斯坐标 | 第34-35页 |
4.3 拉普拉斯方程的求解 | 第35-36页 |
4.4 本章小结 | 第36-37页 |
第5章 对称性分析系统的实现 | 第37-46页 |
5.1 对称性分析系统的实现概述 | 第37-42页 |
5.2 基于OpenGL的DirectUI | 第42-43页 |
5.3 脚本与UI系统 | 第43-44页 |
5.4 可视化展示模块 | 第44页 |
5.5 异步任务调度 | 第44-45页 |
5.6 本章小结 | 第45-46页 |
第6章 算法效果与系统性能分析 | 第46-64页 |
6.1 算法效果分析概述 | 第46页 |
6.2 算法参数对结果影响的分析 | 第46-51页 |
6.2.1 参数Samples对结果的影响分析 | 第46-48页 |
6.2.2 参数ClusterMinSize对结果的影响分析 | 第48页 |
6.2.3 参数ε对结果的影响分析 | 第48-50页 |
6.2.4 参数λ对结果的影响分析 | 第50-51页 |
6.3 不同人脸模型上的算法效果 | 第51-57页 |
6.4 算法改进效果 | 第57-60页 |
6.4.1 生成特征的改进 | 第57-59页 |
6.4.2 阈值松弛 | 第59-60页 |
6.5 算法性能瓶颈分析 | 第60-62页 |
6.6 进一步改进的策略 | 第62-63页 |
6.7 本章小结 | 第63-64页 |
第7章 总结和展望 | 第64-66页 |
7.1 全文总结 | 第64-65页 |
7.2 展望 | 第65-66页 |
参考文献 | 第66-69页 |
攻读硕士学位期间的主要研究成果 | 第69-70页 |
致谢 | 第70页 |