| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 引言 | 第10-11页 |
| 1.2 课题意义及研究现状 | 第11-13页 |
| 1.3 研究难点及创新点 | 第13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 AAM模型理论与技术 | 第15-32页 |
| 2.1 引言 | 第15页 |
| 2.2 Delaunay三角剖分算法 | 第15-21页 |
| 2.2.1 三角剖分与Delaunay剖分的定义 | 第15-18页 |
| 2.2.2. Delaunay剖分的算法 | 第18-20页 |
| 2.2.3 本文的Delaunay三角化算法实现 | 第20-21页 |
| 2.3 Procrustes分析 | 第21-24页 |
| 2.3.1 形状和标记点 | 第21-22页 |
| 2.3.2 广义正交Procrustes分析 | 第22-24页 |
| 2.4 分段线性仿射变换PAW | 第24-25页 |
| 2.5 PCA(Principal Component Analysis)算法 | 第25-27页 |
| 2.5.1 高维向量选维技术 | 第25-26页 |
| 2.5.2 高维向量降维技术 | 第26页 |
| 2.5.3 PCA线性降维方法 | 第26-27页 |
| 2.6 图像对齐算法 | 第27-30页 |
| 2.6.1 L-K图像对齐算法 | 第27-28页 |
| 2.6.2 前向组合算法 | 第28-29页 |
| 2.6.3 反向组合算法 | 第29-30页 |
| 2.7 皮尔逊相关系数 | 第30-32页 |
| 第3章 基于AAM的人脸匹配方法 | 第32-41页 |
| 3.1 引言 | 第32页 |
| 3.2 AAM的产生和发展 | 第32-33页 |
| 3.3 AAM模型的建立 | 第33-36页 |
| 3.3.1 独立AAM模型 | 第33-35页 |
| 3.3.2 混合AAM模型 | 第35-36页 |
| 3.4 AAM拟合计算 | 第36-40页 |
| 3.4.1 AAM拟合计算的目的和意义 | 第36-37页 |
| 3.4.2 低效梯度下降算法 | 第37页 |
| 3.4.3 有效Ad-Hoc匹配算法 | 第37-38页 |
| 3.4.4 利用反向AAM拟合计算 | 第38-40页 |
| 3.5 AAM存在的主要不足 | 第40-41页 |
| 第4章 基于纹理加权的AAM人脸匹配算法 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 纹理加权概念及意义 | 第41-42页 |
| 4.3 纹理权重函数的构造及参数选择 | 第42-46页 |
| 4.3.1 函数数学形式 | 第42-43页 |
| 4.3.2 三角形式纹理权重函数中参数K_1的最佳选取 | 第43-46页 |
| 4.4 基于纹理加权的反向AAM匹配算法 | 第46-47页 |
| 4.5 基于纹理加权的反向AAM匹配算法框图 | 第47-48页 |
| 第5章 实验结果与分析 | 第48-53页 |
| 5.1 实验环境与资源 | 第48页 |
| 5.2 实验结果 | 第48-52页 |
| 5.3 分析与总结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 6.1 工作总结 | 第53-54页 |
| 6.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |