| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 人脸特征点定位方法的概述 | 第11-15页 |
| 1.3 主要的难点和问题 | 第15页 |
| 1.4 论文的主要内容和组织结构 | 第15-18页 |
| 1.4.1 论文主要内容 | 第15-16页 |
| 1.4.2 论文组织结构 | 第16-18页 |
| 第二章 人脸感兴趣区域提取算法 | 第18-28页 |
| 2.1 人脸定位的常用方法 | 第18-19页 |
| 2.2 自动快速定位人脸算法 | 第19-26页 |
| 2.2.1 图像方向图的计算原理 | 第20-21页 |
| 2.2.2 基于霍夫曼变换的椭圆定位原理 | 第21-24页 |
| 2.2.3 基于人脸模板的精确定位 | 第24-26页 |
| 2.3 实验结果分析 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于图像特征的匹配算子的分析 | 第28-50页 |
| 3.1 常用的特征匹配算子 | 第29-35页 |
| 3.1.1Moravec算子 | 第30-31页 |
| 3.1.2SUSAN算子 | 第31-33页 |
| 3.1.3Harris算子 | 第33-34页 |
| 3.1.4SIFT算子 | 第34-35页 |
| 3.2 SIFT算法的实现 | 第35-40页 |
| 3.2.1 尺度空间的生成 | 第36页 |
| 3.2.2 空间极值得检测和定位 | 第36-39页 |
| 3.2.3 角度分配 | 第39-40页 |
| 3.2.4 特征点描述 | 第40页 |
| 3.3 SIFT算法重要参数的意义 | 第40-42页 |
| 3.3.1 高斯函数尺度参数 | 第40-41页 |
| 3.3.2 特征点邻域尺度参数 | 第41-42页 |
| 3.4 基于支持向量机的回归算法 | 第42-44页 |
| 3.4.1 支持向量机 | 第42页 |
| 3.4.2 支持向量回归机的原理及其特殊参数的寻优 | 第42-44页 |
| 3.5 Powell算法的原理 | 第44-47页 |
| 3.5.1 Powell算法寻找SIFT算子最优参数组合 | 第46-47页 |
| 3.6 实验结果和分析 | 第47-49页 |
| 3.7 本章小结 | 第49-50页 |
| 第四章 基于三点一组形状模型的特征点矫正 | 第50-59页 |
| 4.1 基于三点一组形状模型的计算原理 | 第50-53页 |
| 4.1.1 三点一组模型 | 第50-51页 |
| 4.1.2 吸引图的计算 | 第51-52页 |
| 4.1.3 迭代矫正 | 第52-53页 |
| 4.2 文章算法整体框架 | 第53-55页 |
| 4.3 实验对比与分析 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第五章 总结和展望 | 第59-62页 |
| 5.1 全文总结 | 第59-60页 |
| 5.2 后期展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 发表论文和参加科研情况说明 | 第67-68页 |
| 致谢 | 第68-69页 |