面部吸引力的研究与实践
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 选题背景和研究意义 | 第12-13页 |
| 1.2 美丽的评价标准 | 第13-16页 |
| 1.2.1 三庭五眼 | 第13页 |
| 1.2.2 黄金分割 | 第13-14页 |
| 1.2.3 平均脸 | 第14-15页 |
| 1.2.4 对称性 | 第15-16页 |
| 1.3 本文的组织结构 | 第16-18页 |
| 第二章 预处理 | 第18-30页 |
| 2.1 带美丽度评分的数据库 | 第18页 |
| 2.2 特征点的提取 | 第18-23页 |
| 2.2.1 主动外观模型 | 第19-23页 |
| 2.2.1.1 建立形状模型 | 第19-20页 |
| 2.2.1.2 建立灰度模型 | 第20-21页 |
| 2.2.1.3 建立外观模型 | 第21-22页 |
| 2.2.1.4 二维PCA | 第22-23页 |
| 2.2.2 ASM算法提取特征点 | 第23页 |
| 2.3 标准化 | 第23-25页 |
| 2.3.1 形状标准化 | 第24页 |
| 2.3.2 灰度标准化 | 第24-25页 |
| 2.4 人脸图像形变方法 | 第25-30页 |
| 2.4.1 基于ASM的薄板样条形变方法 | 第26页 |
| 2.4.2 基于点的移动的最小二乘法 | 第26-30页 |
| 第三章 美化方法 | 第30-44页 |
| 3.1 K最近邻方法(KNN) | 第30-32页 |
| 3.1.1 整体KNN美化方法 | 第30-31页 |
| 3.1.2 细节KNN美化方法 | 第31-32页 |
| 3.2 支持向量回归(SVR)理论 | 第32-41页 |
| 3.2.1 支持向量机 | 第32-36页 |
| 3.2.2 支持向量回归 | 第36-37页 |
| 3.2.3 基于SVR的人脸美化算法 | 第37-41页 |
| 3.2.3.1 美化过程 | 第38-39页 |
| 3.2.3.2 基于SVR的美化 | 第39页 |
| 3.2.3.3 实验结果 | 第39-41页 |
| 3.3 KNN美化算法与SVR算法结果对比 | 第41页 |
| 3.4 基于AAM的灰度人脸美化 | 第41-44页 |
| 第四章 人脸化妆算法 | 第44-48页 |
| 第五章 结论 | 第48-50页 |
| 5.1 工作创新点及总结 | 第48页 |
| 5.2 工作展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-54页 |
| 研究成果及发表的学术论文 | 第54-56页 |
| 作者与导师简介 | 第56-57页 |
| 北京化工大学硕士研究生学位论文答辩委员会决议书 | 第57-58页 |
