| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 表情识别概述 | 第11-14页 |
| 1.2.1 国内外研究现状 | 第11-13页 |
| 1.2.2 研究难点 | 第13-14页 |
| 1.3 研究内容与目标 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第二章 表情识别主要理论与常用算法 | 第16-22页 |
| 2.1 概述 | 第16页 |
| 2.2 表情识别架构 | 第16-17页 |
| 2.3 表情特征提取常用算法 | 第17-18页 |
| 2.3.1 基于全局特征的提取算法 | 第17页 |
| 2.3.2 基于局部特征的提取算法 | 第17-18页 |
| 2.4 表情分类常用算法 | 第18-21页 |
| 2.4.1 极限学习机 | 第18-20页 |
| 2.4.2 支持向量机 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 表情图像预处理 | 第22-30页 |
| 3.1 概述 | 第22页 |
| 3.2 HAAR型的Adaboost人脸检测 | 第22-27页 |
| 3.3 几何归一化 | 第27-28页 |
| 3.4 直方图均衡化 | 第28页 |
| 3.5 灰度归一化 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第四章 分配权重的Gabor特征和ACILBP特征 | 第30-40页 |
| 4.1 概述 | 第30页 |
| 4.2 基于图像重要区域分配权重的Gabor特征 | 第30-34页 |
| 4.2.1 Gabor特征 | 第31页 |
| 4.2.2 人脸图像的Gabor滤波 | 第31-32页 |
| 4.2.3 基于图像重要区域分配权重的Gabor特征 | 第32-34页 |
| 4.3 多尺度直方图统计的ACILBP特征 | 第34-39页 |
| 4.3.1 局部二值模式 | 第34-37页 |
| 4.3.2 ACILBP特征 | 第37-38页 |
| 4.3.3 多尺度直方图统计 | 第38-39页 |
| 4.4 特征融合 | 第39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 基于特征融合的表情识别实验 | 第40-49页 |
| 5.1 建立实验样本库 | 第40-41页 |
| 5.2 实验流程 | 第41页 |
| 5.3 结果与分析 | 第41-48页 |
| 5.3.1 Gabor参数设计及结果分析 | 第41-43页 |
| 5.3.2 图像重要区域分配权重设计及结果分析 | 第43页 |
| 5.3.3 多尺度直方图统计法参数设计及结果分析 | 第43-44页 |
| 5.3.4 本文方法与其他方法识别率对比实验 | 第44-46页 |
| 5.3.5 本文方法与其他方法时间效率对比实验 | 第46-47页 |
| 5.3.6 两种分类器识别效果对比实验 | 第47-48页 |
| 5.4 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |