| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-12页 |
| ·本课题的研究背景及意义 | 第7页 |
| ·研究的目的和应用 | 第7-8页 |
| ·研究现状和发展趋势 | 第8-10页 |
| ·本文的研究内容和论文结构 | 第10-12页 |
| 第二章 人脸表情识别技术综述 | 第12-23页 |
| ·概述 | 第12页 |
| ·人脸表情特征提取 | 第12-18页 |
| ·基于几何特征的特征提取方法 | 第13-14页 |
| ·基于统计特征的特征提取方法 | 第14-15页 |
| ·基于频率域特征的特征提取方法 | 第15-17页 |
| ·基于运动特征的特征提取方法 | 第17-18页 |
| ·人脸表情特征识别 | 第18-21页 |
| ·线性分类器 | 第18页 |
| ·模板匹配分类器 | 第18-19页 |
| ·神经网络分类器 | 第19-20页 |
| ·支持向量机分类器 | 第20页 |
| ·Adaboost算法分类器 | 第20-21页 |
| ·表情数据库的介绍 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 人脸检测和表情图像的预处理 | 第23-33页 |
| ·概述 | 第23页 |
| ·人脸检测 | 第23-25页 |
| ·基于知识模型的人脸检测法 | 第23-24页 |
| ·基于统计模型的人脸检测法 | 第24页 |
| ·基于肤色模型的人脸检测法 | 第24-25页 |
| ·预处理 | 第25-32页 |
| ·表情图像的尺度归一化 | 第26-30页 |
| ·表情图像的灰度归一化 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于DWT-PCA/Fisher判别分析的人脸表情特征提取 | 第33-49页 |
| ·概述 | 第33页 |
| ·DWT-PCA/Fisher算法的理论基础 | 第33-44页 |
| ·小波变换 | 第33-40页 |
| ·PCA | 第40-43页 |
| ·Fisher线性判别方法 | 第43-44页 |
| ·最近邻分类 | 第44页 |
| ·DWT-PCA/Fisher线性判别特征提取 | 第44-47页 |
| ·实验及分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-58页 |
| 作者简介 | 第58-59页 |
| 攻读硕士学位期间研究成果 | 第59-60页 |