【正文】 差，均衡性低的具有較高的方差。首先定義直方圖函數(shù)為概率函數(shù) P，其中 )(),...0( Ipp 表示灰度值 0， ? ， I 的直方圖概率， ? ?? ? CRicrim a g ecrip ??? /),(,)( ，其中 RxC 是圖像的空間區(qū)域。把圖像分成 若干個予區(qū)域，對每一個子區(qū)域計算其灰度直方圖。針對這種情況，可以先對放度直方圖進行平滑處理，再確定閩值。由像素 點),( ji 的灰度值 ),( jif 和像素周圍點局部 灰度 特性確定閾值的方法稱為局部閩值選擇法。設圖像 ),( yxf 的灰度值范圍在 [a,b]，二值化的閩值設為 t( bta ?? )，則圖像一值化的一般表達式為： ? ty)f ( x , 1 ty)f ( x , 0),( ???yxg (38) 得到的 ),( yxg 就是二值圖像，閾值 t不同，得到的二值圖像 ),( yxg 也是不同的。飽和度 S指顏色的強度，表示在色調中灰色成分所占的比例，用 0％一 100％(純色 )表示。事實上，各種色彩空間只不過是顏色在計算機內不同的表達形式而已，每一種色彩空『自 J都有它各自的應用領域、產(chǎn)生背景等。用指數(shù)形濾波器濾波后的圖像比用巴特沃斯濾波器濾波后的圖像模糊一些，但沒有振鈴效應。 n為階數(shù)，取正整數(shù)，階數(shù)刀控制曲線的形狀。正是由于理想低通濾波存在“振鈴 現(xiàn)象，其平滑效果才下降。理想低通濾波器在處理過程中會產(chǎn)生比較嚴重的模糊和“振鈴”現(xiàn)象，這是由于 H(u, v)在 D。對于一幅圖像，它的邊緣、跳躍部分以及噪聲都代表圖像的高頻分量，而大面積的背景區(qū)和變化緩慢的部分則代表圖像的低頻分量，用頻域低通濾波器除去其高頻分量就能去掉噪聲，從而使圖像得到平滑。在一定的條件下，它可以克服線性濾波器所帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有效。 ),( yxg 由下式?jīng)Q定： ??? Snm nmfMyxg ),( ),(1),( （ 31） 式中， 1,...,1,0, ?? Nyx S是點伍糾所在領域的中點的坐標集合，但不包括 ),( yx點； M是集合內坐標點的總數(shù)。消除噪聲的方法又可以分為空間域方法或頻率域方法，亦可以分為全局處理方法或局部處理方法等。本章針對圖像采集時所遇到的光照變化、旋轉、平移等不確定因素，對手勢圖像的預處理和特征提取進行了分析 。例如文獻 f81 中提出了一種使用神經(jīng)網(wǎng)絡方法和 Hough 變換對中國手語中的 20 種手勢進行識別。手勢分割的方法大體分為三種：基于運動信息的、基于運動模板的和基于顏色信息的。視覺運動分析方法因具有適用范圍廣、抗電子干擾能力強、測量精度高和保密性好等優(yōu)點，在軍事、導航、機器人技術、氣象分析、醫(yī)療診斷、交通管制、安全防范等領域得到了廣泛的應用。但是應用于手勢識別時有很多約束。它是一個雙重隨機過程：一是描述狀態(tài)轉移的馬爾可夫鏈是基本隨機過程；另一個是描述狀態(tài)和觀察值之間的統(tǒng)計對應關系是隨機過程。每一個時刻的隨機變量有一個度量值，這個度量值的分布與該時刻的狀態(tài)有關。在通常情況下，不同類別的兩個模式之間的距離要大于同一類別的兩個模式之間的距離，這樣就可以將特征空間準確的劃分為幾個區(qū)域，其中各個區(qū)域同各個類別是一一對應的。常用的統(tǒng)計分類方法有很多，例如‘ 39。 2． 3． 3 統(tǒng)計分析算法 統(tǒng)計分類算法是在模式識別發(fā)展的過程中建立的經(jīng)典方法，它用概率統(tǒng)計模型得到各類別的特征向量分布，以達到分類的目的。文獻 f181 中張良國、吳江琴、高文等人首先改進了 Hausdorff 距離，接下來通過比較預處理后的輸入圖像的 Hausdorff 距離和標準模板庫中各種圖像的 Hausdorff 距離進行判斷。圖 22 是一個三層前饋神經(jīng)網(wǎng)絡模型，輸入層、中間隱含層和輸出層的神經(jīng)元個數(shù)分別為 50 和 9。 BP 神經(jīng)網(wǎng)絡模型實現(xiàn)了多層網(wǎng)絡學習的設想。神經(jīng)網(wǎng)絡 方法在手勢識別領域得到了廣泛的使用。到了 50 年代中期和 60年代初期，人們已設計出稱為感知機 (perceptrons)的學習機器，引起了模式識別理論界人士的重視。這種方法對于用戶手勢的輸入限制較小，可以實現(xiàn)更加自然的人機交互，但由于立體模型的復雜性，需要處理大量的數(shù)據(jù)，識別時間長，無法實現(xiàn)實時的識別。 2． 3 基于計算機視覺的手勢識別理論 基于視覺的手勢識別可以分為基于單目視覺的手勢識別和基于多目視覺的手勢識別。但是在復雜背景的情況下或者光照變化快時，基于顏色的分割效果不好，為了解決這個問題，目前眾多研究者嘗試利用融合多 種信息的技術進行手勢分割。二維模板實現(xiàn)簡單，但對手 的姿念有一定限制。在實際的手勢識別系統(tǒng)中，攝像機的位置是固定的，對手勢序列中相鄰兩幀圖像做差分運算便能有效地保留運動的部分(即手勢 )，濾除圖像中保持不變的背景區(qū)域。手勢分割的方法大體分為三種：基于運動信息的、基于運動模板的和基于顏色信息的。一般我們把原始數(shù)據(jù)組成的空間叫測量空間，把分類識別賴以進行的空間叫做特征空間，通過變換，可把在維數(shù)較高的測量空間中表示的模式變?yōu)樵诰S數(shù)較低的特征空間中表示的模式。 3．特征提取 由圖像或波形所獲得的數(shù)據(jù)量是相當大的。 圖 21 模式識別 系統(tǒng)的基本構成 1．數(shù)據(jù)獲取 為了使計算機能夠對各種現(xiàn)象進行分類識別，要用計算機可以運算的符號來表示所研究的對象。與此相應的模式識別系統(tǒng)都由兩個過程組成，即設計與實現(xiàn)。模式識別是對表征事物或者現(xiàn)象的各種形式的信息進行分析和處理，來實現(xiàn)對事物或現(xiàn)象進行描述、辨認、分類和解釋，是信息科學和人工智能的重要組成部分。 圖 11 基于視覺的手勢跟蹤與識別流程圖 5 2 基于計算機視覺的手勢識別基礎理論 在人與人的交際過程中，經(jīng)常會用到手勢，手勢的語義強大并且直觀，可以很好地表達思想，與自然語言形成互補。但是這種方法的識別效率比基于數(shù)據(jù)手套的手勢識別低，而且能夠識別的手勢種類受到很大的限制，是目前亟待解決的問題。 基于數(shù)據(jù)手套的手勢識別是通過數(shù)據(jù)手套和位置跟蹤來測量手勢運動的軌跡和時序信息，其優(yōu)點是系統(tǒng)的識別率高，缺點是輸入設備昂貴，并且要求打手勢的人穿戴復雜的數(shù)據(jù)手套，給人帶來很多不便，因此這種方式不能成為未來發(fā)展的趨勢。手語是用手勢表示意思的語言，對不熟悉手語的普通人來說，理解手語是非常困難的。 手勢作為人類最自然的表達方式之一，在日常生活中得到了廣泛的應用。 關鍵字： Android，手勢識別，相冊管理 英文摘要 Gesture recognition is an important direction of the field of puter vision and numerical image processing a rapid development. The gesture is divided into two kinds of static gestures and dynamic gestures, dynamic gesture can be seen as a continuous sequence of static gestures. The dynamic gesture has a rich and intuitive skills, and with static gestures bine to create a richer semantics. Dynamic gesture recognition to build a new interface, a new generation of humanputer interaction interface naturally the input requirements, can make up for the deficiencies of the traditional interactive mode. Gesture recognition technology in the past few years has been well developed, but the gesture recognition technology still faces some important challenges in the mobile device, such as mobile devices are often in a variety of different environments, the environmental background may vary, butin a state of change, in this case can achieve higher accuracy of the gesture recognition will be able to make this technology a good user experience. The actual, developed a do not have to touch the screen to control the mobile phone technology, and the management of the album as a demonstration case. Key Words: Android, Gesture recognition, Album management 3 1 緒論 1． 1 手勢識別研究的意義 在人機交互的發(fā)展過程中先后出現(xiàn)了基于文本方式的鍵盤、基于圖形方式的鼠標等交互接，然而從某種程度上說 ，這些機械設備在人機交互方面是不方便和不和諧的。動態(tài)手勢具有豐富和直觀的表達能力，與靜態(tài)手勢結合在一起，能創(chuàng)造出更豐富的語義。 ：任務書、開題報告、外文譯文、譯文原文（復印件）。 作者簽名： 日期： 年 月 日 學位論文版權使用授權書 本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家 有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。 作者簽名： 日 期： 學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導師的指導下獨立進行研究所取得的研究成果。 基于 Android的視覺手勢識別 相冊管理實現(xiàn) 畢業(yè)設計（論文）原創(chuàng)性聲明和使用授權說明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設計（論文），是我個人在指導教師的指導下進行的研究工作及取得的成果。 作 者 簽 名： 日 期： 指導教師簽名： 日 期： 使用授權說明 本人完全了解 大學關于收集、保存、使用畢業(yè)設計（論文）的規(guī)定，即：按照學校要求提交畢業(yè)設計（論文）的印刷本和電子版本；學校有權保存畢業(yè)設計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務；學?？梢圆捎糜坝?、縮印、數(shù)字化或其它復制手