中文摘要 | 第3-5页 |
英文摘要 | 第5-7页 |
1 绪论 | 第11-23页 |
1.1 研究的背景及意义 | 第11-12页 |
1.2 聋人视觉识别的国内外研究现状 | 第12-16页 |
1.3 聋人视觉识别的研究难点和发展方向 | 第16-19页 |
1.4 聋人视觉识别的特征 | 第19页 |
1.5 本文的研究内容和结构安排 | 第19-21页 |
1.6 本章小结 | 第21-23页 |
2 基于形态学和分水岭的聋人视觉边缘提取算法 | 第23-41页 |
2.1 引言 | 第23页 |
2.2 二值形态学 | 第23-28页 |
2.3 模糊形态学 | 第28-32页 |
2.3.1 模糊子集定义 | 第28页 |
2.3.2 l水平截集 | 第28-29页 |
2.3.3 模糊形态学算法 | 第29-30页 |
2.3.4 模糊模式识别方法 | 第30-32页 |
2.4 改进的分水岭算法 | 第32-33页 |
2.4.1 分水岭算法 | 第32页 |
2.4.2 基于图像森林变换的分水岭算法 | 第32-33页 |
2.5 改进的边缘提取算法 | 第33-39页 |
2.5.1 自动识别最优阈值的方法 | 第33-34页 |
2.5.2 基于模糊形态学的边缘提取算法研究 | 第34-36页 |
2.5.3 实验结果和分析 | 第36-39页 |
2.6 本章小结 | 第39-41页 |
3 双正交小波变换纹理一致测度的聋人视觉融合算法 | 第41-59页 |
3.1 引言 | 第41页 |
3.2 背景知识 | 第41-43页 |
3.2.1 图像融合 | 第41-42页 |
3.2.2 纹理一致性测度 | 第42-43页 |
3.3 小波变换 | 第43-50页 |
3.3.1 正交小波变换 | 第44页 |
3.3.2 二尺度方程 | 第44-45页 |
3.3.3 正交小波变换(Mallat塔式算法) | 第45-47页 |
3.3.4 快速小波变换的分解与重构 | 第47-50页 |
3.4 改进的纹理一致性测度融合算法 | 第50-54页 |
3.4.1 双正交小波 | 第50-52页 |
3.4.2 双正交小波变换纹理一致测度的算法研究 | 第52-54页 |
3.5 实验结果及其分析 | 第54-57页 |
3.5.1 融合算法计算结果 | 第55-56页 |
3.5.2 融合算法性能分析 | 第56-57页 |
3.6 本章小结 | 第57-59页 |
4 基于模糊神经网络的聋人视觉识别算法 | 第59-75页 |
4.1 引言 | 第59页 |
4.2 BP神经网络 | 第59-63页 |
4.2.1 BP神经网络模型 | 第59-60页 |
4.2.2 BP神经网络算法 | 第60-63页 |
4.3 模糊神经网络 | 第63-66页 |
4.3.1 模糊系统 | 第63-65页 |
4.3.2 模糊神经网络 | 第65-66页 |
4.4 模糊BP神经网络的聋人视觉识别算法研究 | 第66-69页 |
4.4.1 手语知识 | 第66页 |
4.4.2 模糊神经网络架构 | 第66-68页 |
4.4.3 实现计算步骤 | 第68-69页 |
4.5 实验结果及分析 | 第69-73页 |
4.5.1 算法实验 | 第69-72页 |
4.5.2 实验性能分析 | 第72-73页 |
4.6 本章小结 | 第73-75页 |
5 复杂环境下聋人视觉表情识别 | 第75-89页 |
5.1 引言 | 第75页 |
5.2 LBP理论 | 第75-80页 |
5.2.1 LBP算子的优势 | 第75-76页 |
5.2.2 基本LBP算子 | 第76-80页 |
5.2.3 LBP中的Ahonen方法 | 第80页 |
5.3 改进LBP算法在复杂环境下的聋人视觉表情识别 | 第80-84页 |
5.3.1 ALBP算法思想 | 第81页 |
5.3.2 提取LBP特征层 | 第81-82页 |
5.3.3 光照归一化预处理 | 第82-84页 |
5.4 实验结果及性能分析 | 第84-86页 |
5.5 本章小结 | 第86-89页 |
6 总结与展望 | 第89-91页 |
6.1 本文研究工作总结 | 第89-90页 |
6.2 工作展望 | 第90-91页 |
致谢 | 第91-93页 |
参考文献 | 第93-101页 |
附录 | 第101-102页 |
A. 作者在攻读博士学位期间录用和发表论文情况 | 第101-102页 |
B. 作者在攻读博士学位期间参加的科研项目 | 第102页 |