融合双韦伯特征的深度置信网络表情识别
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究概况 | 第12-15页 |
| 1.3 主要工作 | 第15页 |
| 1.4 文章结构安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 表情识别相关理论研究 | 第17-31页 |
| 2.1 表情数据库 | 第17-18页 |
| 2.2 表情图片预处理 | 第18-25页 |
| 2.2.1 图像灰度化 | 第18-19页 |
| 2.2.2 直方图均衡化 | 第19-20页 |
| 2.2.3 人脸检测 | 第20-21页 |
| 2.2.4 图像尺度归一化 | 第21-25页 |
| 2.3 表情特征提取 | 第25-28页 |
| 2.4 表情分类 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 韦伯局部描述子的改进及应用 | 第31-43页 |
| 3.1 韦伯局部描述子基本原理 | 第31-36页 |
| 3.1.1 韦伯定理 | 第31-32页 |
| 3.1.2 差分激励 | 第32-33页 |
| 3.1.3 梯度方向 | 第33-34页 |
| 3.1.4 WLD特征的直方图统计 | 第34-36页 |
| 3.2 改进韦伯局部描述子 | 第36-37页 |
| 3.3 实验及分析 | 第37-40页 |
| 3.4 改进韦伯局部描述子的特性 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 融合改进韦伯特征的深度置信网络表情识别 | 第43-57页 |
| 4.1 深度置信网络 | 第43-47页 |
| 4.1.1 受限玻尔兹曼机 | 第44-46页 |
| 4.1.2 BP神经网络 | 第46-47页 |
| 4.2 基于深度置信网络的表情识别 | 第47-48页 |
| 4.3 融合双韦伯特征的深度置信网络表情识别算法 | 第48-51页 |
| 4.4 实验结果及分析 | 第51-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |
