面瘫患者面部运动功能自动分级方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-15页 |
| ·研究的背景 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·论文的主要工作与组织结构 | 第14-15页 |
| 2 人脸图像预处理 | 第15-24页 |
| ·数字图像处理的概念 | 第15页 |
| ·灰度变换 | 第15-16页 |
| ·直方图均衡化 | 第16-18页 |
| ·图像几何归一化 | 第18-24页 |
| ·人脸左右边界的确定 | 第19-20页 |
| ·二值化 | 第20-21页 |
| ·人脸各部分定位 | 第21-23页 |
| ·旋转校正 | 第23-24页 |
| 3 基于人脸特征点定位的分级方法 | 第24-35页 |
| ·角点检测准则 | 第24-25页 |
| ·边缘检测 | 第25-28页 |
| ·经典边缘检测算法 | 第25-26页 |
| ·Canny算法 | 第26页 |
| ·SUSAN边缘检测方法 | 第26-28页 |
| ·角点检测 | 第28-30页 |
| ·基于特征点检测的分级 | 第30-32页 |
| ·分级标准 | 第32-35页 |
| 4 基于Gabor小波特征提取的分级方法 | 第35-48页 |
| ·小波变换基础 | 第35-38页 |
| ·小波变换 | 第35-37页 |
| ·小波变换的特点 | 第37-38页 |
| ·Gabor变换 | 第38-45页 |
| ·Gabor变换的定义 | 第38-41页 |
| ·Gabor滤波器 | 第41-43页 |
| ·Gabor滤波器的性质 | 第43-44页 |
| ·人脸图像的Gabor特征表示 | 第44-45页 |
| ·主成份分析 | 第45-48页 |
| ·主成份分析法介绍 | 第45-47页 |
| ·主成份分析方法降维步骤 | 第47-48页 |
| 5 面部运动功能分级使用的分类器 | 第48-57页 |
| ·最近邻分类器 | 第48-50页 |
| ·距离测度 | 第48-49页 |
| ·最近邻决策准则 | 第49-50页 |
| ·支持向量机 | 第50-57页 |
| ·统计学习理论 | 第51页 |
| ·SVM 基本原理 | 第51-54页 |
| ·核函数 | 第54-55页 |
| ·用于多类分类的支持向量机 | 第55-57页 |
| 6 实验结果与分析 | 第57-61页 |
| ·实验过程 | 第57-59页 |
| ·核函数参数选择 | 第59-60页 |
| ·分类器的比较 | 第60-61页 |
| 7 总结及展望 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 致谢 | 第64-65页 |
| 个人简历 | 第65页 |
| 发表的学术论文 | 第65页 |
