| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 手势识别综述 | 第14-16页 |
| 1.2.1 手势识别方法的类别 | 第14-15页 |
| 1.2.2 手势识别方法的步骤 | 第15-16页 |
| 1.3 手势分割综述 | 第16-17页 |
| 1.3.1 手势分割方法的研究现状 | 第16-17页 |
| 1.3.2 手势分割方法的难点 | 第17页 |
| 1.4 研究的主要内容 | 第17-18页 |
| 1.5 论文的各章节安排 | 第18-20页 |
| 第二章 手势分割技术的相关研究 | 第20-26页 |
| 2.1 引言 | 第20页 |
| 2.2 基于肤色的手势分割 | 第20-21页 |
| 2.3 基于运动信息的手势分割 | 第21-23页 |
| 2.4 基于轮廓信息的手势分割 | 第23-24页 |
| 2.5 其它手势分割方法 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于显著性与肤色检测的静态手势分割算法 | 第26-52页 |
| 3.1 引言 | 第26-27页 |
| 3.2 显著性检测方法简介 | 第27-29页 |
| 3.2.1 视觉注意机制与图像显著性检测 | 第27-28页 |
| 3.2.2 图像显著性特征 | 第28-29页 |
| 3.3 基于显著性与肤色检测的静态手势分割算法框架 | 第29-30页 |
| 3.4 基于SLIC的图像预分割 | 第30-32页 |
| 3.5 一种像素级的手势区域检测方法 | 第32-36页 |
| 3.6 一种区域级的手势区域检测方法 | 第36-37页 |
| 3.7 基于贝叶斯框架的多显著图融合 | 第37-39页 |
| 3.8 算法流程 | 第39-40页 |
| 3.9 实验对比与分析 | 第40-51页 |
| 3.9.1 算法参数的确定 | 第40-43页 |
| 3.9.2 基于HGR数据库的对比实验 | 第43-46页 |
| 3.9.3 基于NUS-Ⅱ数据库的对比实验 | 第46-50页 |
| 3.9.4 运算速度对比实验 | 第50-51页 |
| 3.10 本章小结 | 第51-52页 |
| 第四章 基于暗通道先验的静态手势分割算法 | 第52-66页 |
| 4.1 引言 | 第52-54页 |
| 4.2 基于暗通道先验的静态手势分割算法框架 | 第54-55页 |
| 4.3 定义暗通道先验 | 第55-58页 |
| 4.4 基于图表示的图像预分割 | 第58-60页 |
| 4.5 显著图与分割图的融合 | 第60-61页 |
| 4.6 算法流程 | 第61-62页 |
| 4.7 实验对比与分析 | 第62-65页 |
| 4.7.1 分割效果对比实验 | 第63-64页 |
| 4.7.2 运算速度对比实验 | 第64-65页 |
| 4.8 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-68页 |
| 参考文献 | 第68-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间发表论文 | 第77-78页 |
| 学位论文评阅及答辩情况表 | 第78页 |