| 中文摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 绪论 | 第10-22页 |
| ·引言 | 第10页 |
| ·课题研究背景与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·人脸表情识别概述 | 第13-20页 |
| ·人脸表情识别系统结构 | 第15-16页 |
| ·表情图像预处理 | 第16-18页 |
| ·表情特征提取 | 第18-19页 |
| ·表情分类 | 第19-20页 |
| ·本文研究内容和结构安排 | 第20-22页 |
| 第二章 人脸表情图像预处理 | 第22-34页 |
| ·引言 | 第22页 |
| ·人眼检测 | 第22-26页 |
| ·Zemike矩 | 第22-24页 |
| ·Zemike矩人眼检测法 | 第24-25页 |
| ·实验结果及分析 | 第25-26页 |
| ·人脸表情图像几何归一化 | 第26-29页 |
| ·表情图像旋转 | 第26-27页 |
| ·表情图像裁剪 | 第27-28页 |
| ·表情图像缩放 | 第28页 |
| ·插值算法 | 第28-29页 |
| ·人脸表情图像灰度归一化 | 第29-32页 |
| ·灰度直方图 | 第30页 |
| ·直方图均衡化光照处理 | 第30-32页 |
| ·实验数据预处理结果及分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 人脸表情特征提取 | 第34-51页 |
| ·引言 | 第34-35页 |
| ·人眼轮廓提取 | 第35-40页 |
| ·PCATSP人眼轮廓提取 | 第36-38页 |
| ·实验结果及分析 | 第38-40页 |
| ·基于Gabor小波变换的人脸表情特征提取 | 第40-45页 |
| ·Gabor滤波器 | 第41-42页 |
| ·Gabor小波变换的表情特征提取 | 第42-45页 |
| ·结合AVR的分块Boost特征选择 | 第45-49页 |
| ·Boosting类方法描述 | 第45-46页 |
| ·结合AVR的分块Boost特征选择 | 第46-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 基于SVM的人脸表情识别 | 第51-65页 |
| ·引言 | 第51页 |
| ·最优分类面 | 第51-55页 |
| ·线性可分的最优分类面 | 第51-54页 |
| ·线性不可分的广义最优分类面 | 第54-55页 |
| ·SVM的基本原理 | 第55-58页 |
| ·SVM | 第55-56页 |
| ·SVM的核函数 | 第56-57页 |
| ·SVM的训练算法 | 第57-58页 |
| ·SVM多类识别 | 第58-59页 |
| ·一对多分类器(one-against-all) | 第58-59页 |
| ·一对一投票式分类器(one-against-one) | 第59页 |
| ·决策树分类器 | 第59页 |
| ·基于SVM的人脸表情识别 | 第59-61页 |
| ·SVM的训练及测试 | 第59-60页 |
| ·基于MDGF的SVM分析 | 第60-61页 |
| ·实验结果及分析 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 人脸表情识别系统的设计与实现 | 第65-70页 |
| ·引言 | 第65页 |
| ·系统的设计及功能 | 第65-67页 |
| ·图像预处理 | 第65-66页 |
| ·表情特征提取 | 第66页 |
| ·表情分类 | 第66-67页 |
| ·系统的实现及结果展示 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·工作总结 | 第70-71页 |
| ·未来展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间公开发表的论文 | 第77-78页 |
| 致谢 | 第78-79页 |
| 详细摘要 | 第79-81页 |