| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| Contents | 第9-11页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 引言 | 第11-20页 |
| 1.1.1 人脸表情识别研究的重大意义 | 第11-12页 |
| 1.1.2 人脸表情识别的研究背景 | 第12-16页 |
| 1.1.3 人脸表情识别的研究内容 | 第16-20页 |
| 1.2 论文的研究内容 | 第20-22页 |
| 第二章 人脸表情特征描述 | 第22-29页 |
| 2.1 简介 | 第22-23页 |
| 2.2 特征提取方法 | 第23-26页 |
| 2.2.1 LBP特征 | 第23-25页 |
| 2.2.2 中心对称局部二值模式 | 第25-26页 |
| 2.3 斜对称局部二值模式 | 第26-28页 |
| 2.4 本章总结 | 第28-29页 |
| 第三章 基于多类LDA的线性判别滤波器 | 第29-50页 |
| 3.1 滤波器的基本原理 | 第29-31页 |
| 3.1.1 滤波器在计算机视觉中的应用 | 第29-30页 |
| 3.1.2 滤波器的种类 | 第30-31页 |
| 3.2 线性判别分析 | 第31-38页 |
| 3.2.1 Fisher LDA | 第31-33页 |
| 3.2.2 多类LDA | 第33-36页 |
| 3.2.3 加权LDA | 第36-37页 |
| 3.2.4 不完全加权线性判别分析 | 第37-38页 |
| 3.3 不完全加权判别滤波器 | 第38-40页 |
| 3.3.1 不完全加权判别滤波器(IWDF)的训练过程 | 第38-39页 |
| 3.3.2 IWDF与SS-LBP的结合 | 第39-40页 |
| 3.4 实验所用的数据集 | 第40-42页 |
| 3.5 实验及结果分析 | 第42-48页 |
| 3.5.1 WDF和IWDF算法与其他算法的比较 | 第42-44页 |
| 3.5.2 基础滤波器和权重函数的选择 | 第44-45页 |
| 3.5.3 SS-LBP与LBP和CS-LBP的比较 | 第45-47页 |
| 3.5.4 不同表情的识别率分析 | 第47-48页 |
| 3.6 本章总结 | 第48-50页 |
| 第四章 加权线性岭回归在判别滤波器上的应用 | 第50-57页 |
| 4.1 最小二乘法和线性岭回归 | 第50-52页 |
| 4.1.1 最小二乘法 | 第50-51页 |
| 4.1.2 线性岭回归 | 第51-52页 |
| 4.2 加权线性岭回归分析 | 第52-54页 |
| 4.3 实验与结果分析 | 第54-56页 |
| 4.4 本章总结 | 第56-57页 |
| 第五章 全文总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66页 |