融合纹理特征的人体皮肤图像分析建模方法

前言
第1章 概述
1.1 人体皮肤的特性
1.2 计算机视觉中的皮肤相关研究
1.2.1 皮肤图像的采集方法
1.2.1 皮肤图像技术的分类
1.2.2 皮肤图像处理技术
1.2.3 皮肤图像的三维重建
1.3 计算机视觉中的技术研究综述
1.3.1 图像特征点检测和匹配
1.3.2 基于图像的稀疏三维重建
1.3.3 立体视觉稠密匹配三维重建
1.3.4 双目视觉中常用的优化方法
1.4 本书的主要内容
第2章 皮肤图像的质量评价
2.1 图像处理的基础知识
2.1.1 图像成像
2.2.2 传统图像处理方法
2.2.3 深度学习与图像处理
2.2 图像离焦模糊评价
2.3 光照不均评价
2.4 毛发遮挡问题
第3章 皮肤纹理的图像特征描述
3.1 皮肤纹理概述
3.2 常用的纹理分析方法
3.3 纹理统计特征分析法
3.3.1 基于图像灰度直方图特征提取法
3.3.2 中心距法
3.3.3 灰度差值统计分析法
3.3.4 基于自相关函数的纹理特征提取法
3.3.5 游程长度统计分析法
3.3.6 局部二值模式法
3.4 基于纹理不变特征的图像匹配方法
第4章 皮肤毛孔的图像分割
4.1 皮肤纹理图像研究概述
4.2 皮肤纹理图像的预处理
4.2.1 皮肤表面纹理参数分析的研究现状
4.2.2 皮肤图像的噪声特征分类
4.2.3 皮肤图像的增强方法
4.2.3 皮肤图像的光线平衡算法
4.3 皮肤毛孔的图像分割方法
4.3.1 基于模糊准则的k均值方法
4.3.2 实验过程及其讨论
第5章 人体毛发的图像辅助分析
5.1 人体毛发图像研究概述
5.2 改进的迭代阈值图像分割方法
5.2.1 迭代阈值图像分割方法及其收敛分析
5.3 毛发计数统计及其分析测量
5.4 实验部分及其结果分析
5.4.1 头发图像分割实验
5.4.2 头发计数统计及分析测量实验
5.5 本章结论
第6章 融合纹理特征的高分辨率皮肤三维重建
6.1 高分辨率双目图像采集系统
6.2 基于随机采样的高分辨率人体皮肤三维重建
6.2.1 引言
6.2.2 局部特征采样
6.2.3 基于优化的采样方法
6.2.4 稠密匹配
6.2.5 实验结果及分析
6.2.6 小结
6.3 基于子空间学习的稠密匹配算法
6.3.1 引言
6.3.2 子空间的学习
6.3.3 稠密匹配
6.3.4 实验结果及分析
6.3.5 小结
6.4 本章结论
第7章 极线校正方法
7.1 引言
7.2 相机模型和极几何
7.2.1 立体视觉系统模型
7.2.2 极线几何
7.3 基于奇异值分解的校正
7.3.1 归一化图像
7.3.2 本质矩阵的奇异值分解
7.3.3 校正变换
7.4 实验结果
7.5 本章结论
附录
结束语
参考文献