面部表情识别方法研究实现
| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 引言 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 面部表情识别的难点 | 第11-12页 |
| 1.4 主要工作和论文结构 | 第12-14页 |
| 1.4.1 本文主要工作 | 第12-13页 |
| 1.4.2 本文组织结构 | 第13-14页 |
| 第二章 表情识别相关知识 | 第14-23页 |
| 2.1 流形学习 | 第14-15页 |
| 2.2 稀疏表示 | 第15-16页 |
| 2.3 人脸检测 | 第16-18页 |
| 2.3.1 模板匹配方法 | 第16页 |
| 2.3.2 基于特征的方法 | 第16-17页 |
| 2.3.3 基于知识的方法 | 第17-18页 |
| 2.3.4 基于外观的方法 | 第18页 |
| 2.4 表情图像特征提取 | 第18-20页 |
| 2.4.1 整体法 | 第18-19页 |
| 2.4.2 局部法 | 第19-20页 |
| 2.5 表情图像特征分类 | 第20-21页 |
| 2.6 本文总体框架 | 第21-22页 |
| 2.7 本章小节 | 第22-23页 |
| 第三章 表情图像预处理 | 第23-30页 |
| 3.1 人脸样本库 | 第23-24页 |
| 3.2 人脸检测 | 第24-27页 |
| 3.2.1 人眼定位 | 第24-25页 |
| 3.2.2 人脸图像旋转 | 第25-26页 |
| 3.2.3 面部图像剪切 | 第26-27页 |
| 3.3 表情图像几何归一化 | 第27-28页 |
| 3.3.1 图像的放缩 | 第27-28页 |
| 3.3.2 图像灰度级插值 | 第28页 |
| 3.4 面部图像灰度规范化 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 表情图像特征提取 | 第30-43页 |
| 4.1 差分图像 | 第31-32页 |
| 4.2 LLE算法 | 第32-35页 |
| 4.3 SLLE算法 | 第35页 |
| 4.4 本文的SLLE优化算法 | 第35-38页 |
| 4.4.1 增强类别区分度的近邻度量策略 | 第36-37页 |
| 4.4.2 基于信息熵的自适应近邻空间选择策略 | 第37-38页 |
| 4.5 本章改进的SLLE算法步骤 | 第38页 |
| 4.6 实验结果与分析 | 第38-42页 |
| 4.6.1 K近邻算法 | 第38-40页 |
| 4.6.2 支持向量机 | 第40-42页 |
| 4.7 本章小结 | 第42-43页 |
| 第五章 表情图像特征分类 | 第43-53页 |
| 5.1 稀疏表示 | 第43-44页 |
| 5.2 两阶段测试样本稀疏表示 | 第44-47页 |
| 5.3 融合局部与全局二阶段稀疏表示算法 | 第47-49页 |
| 5.4 实验结果与分析 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60-61页 |
| 在学期间的研究成果及发表的学术论文 | 第61页 |
