基于人脸检测的自动红眼消除算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-8页 |
| ·影响红眼的因素 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的研究内容及难点 | 第11-12页 |
| ·本文的结构安排 | 第12-15页 |
| 第二章 基于肤色的人脸粗检 | 第15-33页 |
| ·人脸检测算法分类 | 第15-20页 |
| ·基于肤色特征的方法 | 第16-17页 |
| ·基于启发式模型的方法 | 第17-18页 |
| ·基于统计模型的方法 | 第18-20页 |
| ·常用的颜色空间模型 | 第20-25页 |
| ·RGB颜色空间 | 第21-22页 |
| ·HSI颜色空间 | 第22-23页 |
| ·YUV颜色空间 | 第23-24页 |
| ·YCbCr颜色空间 | 第24-25页 |
| ·肤色分割技术 | 第25-31页 |
| ·肤色分割方法流程 | 第25-26页 |
| ·光照补偿 | 第26-27页 |
| ·图像滤波及降噪 | 第27-28页 |
| ·选择肤色模型 | 第28-29页 |
| ·图像二值化 | 第29-30页 |
| ·图像膨胀和腐蚀 | 第30-31页 |
| ·基于肤色的人脸粗检 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于SVM的人脸精确检测 | 第33-51页 |
| ·机器学习与统计学习理论 | 第33-38页 |
| ·机器学习问题 | 第33-34页 |
| ·统计学习理论 | 第34-38页 |
| ·支持向量机方法 | 第38-41页 |
| ·基本概念 | 第38-39页 |
| ·核函数 | 第39-41页 |
| ·人脸特征预处理 | 第41-43页 |
| ·主要降维技术 | 第41页 |
| ·离散余弦变换 | 第41-42页 |
| ·基于DCT的人脸表示 | 第42-43页 |
| ·人脸检测SVM分类器 | 第43-46页 |
| ·人脸检测样本采集 | 第43-44页 |
| ·人脸检测分类器设计 | 第44-45页 |
| ·人脸检测分类器应用 | 第45-46页 |
| ·实验结果与分析 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于人脸检测的自动红眼消除 | 第51-63页 |
| ·红眼检测 | 第51-56页 |
| ·红眼粗定位 | 第51-52页 |
| ·红眼精确定位 | 第52-56页 |
| ·红眼消除 | 第56-57页 |
| ·算法仿真实现 | 第57-58页 |
| ·实验结果与分析 | 第58-60页 |
| ·本章小结 | 第60-63页 |
| 第五章 结束语 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
