| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义及应用前景 | 第9-10页 |
| 1.3 人脸表情识别基本流程 | 第10-14页 |
| 1.3.1 人脸表情图像检测与定位 | 第11-12页 |
| 1.3.2 人脸表情预处理 | 第12页 |
| 1.3.3 人脸表情特征提取方法 | 第12-13页 |
| 1.3.4 人脸表情特征的分类和识别方法 | 第13-14页 |
| 1.4 本文组织架构 | 第14-16页 |
| 第2章 改进的LBP人脸表情特征提取 | 第16-26页 |
| 2.1 局部二值模式（LBP） | 第16-23页 |
| 2.1.1 传统LBP算子 | 第17-18页 |
| 2.1.2 多尺度的LBP算子 | 第18-20页 |
| 2.1.3 旋转不变的LBP算子 | 第20-21页 |
| 2.1.4 均匀模式的LBP算子 | 第21-23页 |
| 2.2 改进的LBP算子 | 第23-25页 |
| 2.2.1 分块的LBP算子 | 第23-24页 |
| 2.2.2 C-LBP算子 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 稀疏表示理论基础 | 第26-31页 |
| 3.1 压缩感知理论 | 第26-27页 |
| 3.2 图像稀疏表示理论 | 第27-28页 |
| 3.3 传感矩阵 | 第28-29页 |
| 3.4 稀疏信号的重构方法 | 第29-30页 |
| 3.4.1 贪婪追踪算法 | 第29-30页 |
| 3.4.2 凸优化算法 | 第30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于稀疏表示分类方法的研究 | 第31-58页 |
| 4.1 基于稀疏表示的分类器方法介绍 | 第31-34页 |
| 4.2 梯度投影法 | 第34-49页 |
| 4.2.1 梯度投影算法介绍 | 第34-35页 |
| 4.2.2 JAFFE库上人脸表情识别实验结果分析 | 第35-43页 |
| 4.2.3 CK库上人脸表情识别实验结果分析 | 第43-49页 |
| 4.3 改进的OMP算法 | 第49-57页 |
| 4.3.1 正交匹配追踪算法 | 第49-50页 |
| 4.3.2 改进的正交匹配追踪算法 | 第50-53页 |
| 4.3.3 JAFFE库上对比OMP算法与改进的OMP算法的优劣 | 第53-55页 |
| 4.3.4 CK库上对比OMP算法与改进的OMP算法的优劣 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 总结 | 第58-59页 |
| 展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 中文详细摘要 | 第66-70页 |
