| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.2 研究现状 | 第17-22页 |
| 1.2.1 妨碍 | 第19页 |
| 1.2.2 盲视 | 第19-20页 |
| 1.2.3 安全处理 | 第20页 |
| 1.2.4 编辑 | 第20-21页 |
| 1.2.5 数据隐藏 | 第21-22页 |
| 1.3 本文研究内容 | 第22页 |
| 1.4 本文章节安排 | 第22-25页 |
| 第二章 视觉隐私保护的技术背景 | 第25-35页 |
| 2.1 基于AdaBoost的人脸检测 | 第25-29页 |
| 2.1.1 Haar-like特征与积分图 | 第25-27页 |
| 2.1.2 AdaBoost算法 | 第27-29页 |
| 2.2 AAM建模 | 第29-34页 |
| 2.2.1 训练样本集 | 第29-31页 |
| 2.2.2 形状建模 | 第31-32页 |
| 2.2.3 纹理建模 | 第32页 |
| 2.2.4 混合模型 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 基于MMDA的表情不变的视觉隐私保护方法 | 第35-55页 |
| 3.1 引言 | 第35-36页 |
| 3.2 多模式判别分析(MMDA)理论 | 第36-40页 |
| 3.3 基于MMDA的表情不变的隐私保护 | 第40-48页 |
| 3.3.1 多模式分解 | 第40-43页 |
| 3.3.2 变换与合成 | 第43-45页 |
| 3.3.3 视觉隐私保护实现 | 第45-48页 |
| 3.4 实验结果 | 第48-53页 |
| 3.4.1 评估标准 | 第49页 |
| 3.4.2 实验结果与分析 | 第49-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 基于K-Same的表情不变的视觉隐私保护方法 | 第55-69页 |
| 4.1 引言 | 第55页 |
| 4.2 K-Same算法概述 | 第55-57页 |
| 4.3 基于K-Same的表情不变的隐私保护 | 第57-65页 |
| 4.3.1 特征提取 | 第58-61页 |
| 4.3.2 K近邻分类 | 第61-62页 |
| 4.3.3 视觉隐私保护实现 | 第62-65页 |
| 4.4 实验结果 | 第65-68页 |
| 4.4.1 隐私保护实验与分析 | 第65-66页 |
| 4.4.2 表情不变实验与分析 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |