| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第13-33页 |
| 1.1 课题的研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-25页 |
| 1.2.1 人脸表情特征提取方法综述 | 第15-23页 |
| 1.2.2 人脸表情分类方法 | 第23-25页 |
| 1.3 人脸表情图像数据库 | 第25-28页 |
| 1.3.1 人脸表情数据库简介 | 第25-28页 |
| 1.3.2 人脸表情图像的预处理 | 第28页 |
| 1.4 人脸表情识别的难点与发展趋势 | 第28-30页 |
| 1.4.1 人脸表情识别的难点 | 第28-29页 |
| 1.4.2 人脸表情识别的发展趋势 | 第29-30页 |
| 1.5 论文主要工作及章节安排 | 第30-33页 |
| 1.5.1 论文主要研究内容 | 第30-31页 |
| 1.5.2 论文章节安排 | 第31-33页 |
| 2 子空间特征提取算法与稀疏表示理论 | 第33-49页 |
| 2.1 子空间特征提取算法 | 第33-39页 |
| 2.1.1 基本原理 | 第33-34页 |
| 2.1.2 相关算法 | 第34-39页 |
| 2.2 稀疏表示理论 | 第39-46页 |
| 2.2.1 稀疏表示 | 第39-43页 |
| 2.2.2 低秩表示 | 第43-46页 |
| 2.3 本章小结 | 第46-49页 |
| 3 一种稀疏子空间特征提取框架 | 第49-81页 |
| 3.1 图嵌入框架 | 第49-50页 |
| 3.2 图构造 | 第50-52页 |
| 3.3 一种稀疏子空间特征提取框架 | 第52-58页 |
| 3.4 基于稀疏投影的子空间特征提取算法 | 第58-79页 |
| 3.4.1 稀疏局部Fisher鉴别分析(SLFDA) | 第58-61页 |
| 3.4.2 实验结果及分析 | 第61-72页 |
| 3.4.3 稀疏正则化鉴别局部保持投影算法(SRDLPP) | 第72-75页 |
| 3.4.4 实验结果及分析 | 第75-78页 |
| 3.4.5 讨论 | 第78-79页 |
| 3.5 本章小结 | 第79-81页 |
| 4 基于图优化的稀疏特征提取算法 | 第81-103页 |
| 4.1 双稀疏鉴别投影算法(DSDP) | 第81-89页 |
| 4.1.1 基于稀疏表示的图构造 | 第81-82页 |
| 4.1.2 目标函数 | 第82-84页 |
| 4.1.3 实验结果与分析 | 第84-89页 |
| 4.2 基于低秩图的稀疏鉴别保持投影(LRG-SDPP) | 第89-101页 |
| 4.2.1 基于正则化低秩表示模型的图构造 | 第89-93页 |
| 4.2.2 目标函数 | 第93-95页 |
| 4.2.3 实验结果与分析 | 第95-101页 |
| 4.3 本章小结 | 第101-103页 |
| 5 稀疏张量图保持鉴别投影算法 | 第103-119页 |
| 5.1 张量代数基础 | 第103-105页 |
| 5.2 稀疏张量图保持鉴别投影算法(STGPDP) | 第105-118页 |
| 5.2.1 算法描述 | 第105-111页 |
| 5.2.2 分类器选择 | 第111-112页 |
| 5.2.3 实验结果及分析 | 第112-118页 |
| 5.3 本章小结 | 第118-119页 |
| 6 结论 | 第119-121页 |
| 6.1 论文工作总结 | 第119-120页 |
| 6.2 对未来工作的展望 | 第120-121页 |
| 参考文献 | 第121-135页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第135-139页 |
| 学位论文数据集 | 第139页 |
