基于小波变换图像融合算法的人脸检测
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-22页 |
| ·课题背景及意义 | 第11-13页 |
| ·研究现状 | 第13-16页 |
| ·基于知识的方法 | 第13-14页 |
| ·特征不变量方法 | 第14-15页 |
| ·模板匹配的方法 | 第15页 |
| ·基于表象的方法 | 第15-16页 |
| ·经典方法概述 | 第16-20页 |
| ·神经网络 | 第16-17页 |
| ·特征脸 | 第17-18页 |
| ·基于样本学习方法 | 第18页 |
| ·支持向量机 | 第18-19页 |
| ·隐马尔科夫模型 | 第19-20页 |
| ·论文主要工作及文章结构安排 | 第20-21页 |
| ·主要工作 | 第20-21页 |
| ·文章结构安排 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第2章 AdaBoost人脸检测训练算法 | 第22-29页 |
| ·矩形特征 | 第22-23页 |
| ·AdaBoost算法 | 第23-24页 |
| ·分类器的训练 | 第24-28页 |
| ·弱分类器 | 第25-26页 |
| ·级联分类器 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 视频采集与图像融合的预处理 | 第29-41页 |
| ·DirectShow视频采集 | 第29-34页 |
| ·DirectShow的架构 | 第29-30页 |
| ·DirectShow过滤图形 | 第30-31页 |
| ·WDM视频捕捉与 DirectShow的协作 | 第31-34页 |
| ·图像融合的预处理 | 第34-39页 |
| ·空间变换 | 第34-35页 |
| ·图像灰度插值 | 第35-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于局部熵的小波变换图像融合算法 | 第41-52页 |
| ·图像融合的原理 | 第41-42页 |
| ·图像融合方法的分类 | 第42-45页 |
| ·基于PCA的图像融合方法 | 第42-43页 |
| ·颜色空间融合法 | 第43页 |
| ·人工神经网络方法 | 第43页 |
| ·基于小波变换的图像融合方法 | 第43-45页 |
| ·图像融合算法的实现 | 第45-51页 |
| ·图像的小波分解 | 第45-46页 |
| ·图像融合步骤 | 第46-47页 |
| ·图像融合效果的评价 | 第47-48页 |
| ·实验结果 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 算法实现及分析 | 第52-65页 |
| ·算法介绍 | 第52-54页 |
| ·算法性能分析 | 第54页 |
| ·构建训练样本库 | 第54-56页 |
| ·融合图像的人脸检测 | 第56-64页 |
| ·视频图像的人脸检测 | 第58-59页 |
| ·图片的人脸检测 | 第59-64页 |
| ·本章小结 | 第64-65页 |
| 第6章 结论和展望 | 第65-67页 |
| ·结论 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间参加的科研项目和成果 | 第70页 |
