| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第16-32页 |
| 1.1 研究背景与意义 | 第16-19页 |
| 1.1.1 研究背景 | 第16-18页 |
| 1.1.2 研究意义 | 第18-19页 |
| 1.2 非约束条件下表情识别的研究现状 | 第19-31页 |
| 1.2.1 现有公开数据集的研究现状 | 第19-23页 |
| 1.2.2 人脸光照标准化技术的研究现状 | 第23-25页 |
| 1.2.3 人脸姿态标准化技术的研究现状 | 第25-27页 |
| 1.2.4 人脸表情特征提取技术的研究现状 | 第27-29页 |
| 1.2.5 人脸表情判别技术的研究现状 | 第29-30页 |
| 1.2.6 本文的研究内容 | 第30-31页 |
| 1.3 论文组织结构 | 第31-32页 |
| 第二章 论文的相关理论与技术 | 第32-48页 |
| 2.1 人脸光照标准化的相关理论与技术 | 第32-35页 |
| 2.1.1 基于Lambert余弦法则与Weber法则的光照不变特征 | 第32-33页 |
| 2.1.2 基于对数灰度图数值分解的光照处理 | 第33-35页 |
| 2.2 人脸姿态标准化的相关理论与技术 | 第35-38页 |
| 2.2.1 成像原理与二维平面三维物体估计的几个基本概念与数值关系 | 第35-37页 |
| 2.2.2 等效N点映射 | 第37-38页 |
| 2.3 深度学习框架下表情识别的相关理论与技术 | 第38-47页 |
| 2.3.1 卷积神经网络 | 第39-40页 |
| 2.3.2 几种特殊的深度卷积神经网络 | 第40-45页 |
| 2.3.3 神经网络的一般训练方式 | 第45-47页 |
| 2.4 本章小结 | 第47-48页 |
| 第三章 基于高斯差分正则法的人脸光照标准化 | 第48-59页 |
| 3.1 引言 | 第48-50页 |
| 3.2 高斯差分正则模型 | 第50-51页 |
| 3.3 图像的双向高斯差分先验平滑 | 第51-52页 |
| 3.4 双向高斯差分响应的零阶正则化 | 第52-53页 |
| 3.5 人脸光照标准化算法 | 第53-54页 |
| 3.6 实验结果与分析 | 第54-58页 |
| 3.7 本章小结 | 第58-59页 |
| 第四章 基于点集细分的快速人脸特征点检测 | 第59-75页 |
| 4.1 引言 | 第59-61页 |
| 4.2 监督梯度下降法 | 第61-62页 |
| 4.3 点集细分的人脸特征点检测算法 | 第62-71页 |
| 4.3.1 基于相关系数矩阵的特征点划分 | 第63-64页 |
| 4.3.2 基于PCA的模型约简 | 第64页 |
| 4.3.3 基于Fisher准则的局部特征选择 | 第64-66页 |
| 4.3.4 基于分组稀疏感知的模型增强 | 第66-69页 |
| 4.3.5 点集细分的人脸特征点检测算法 | 第69-70页 |
| 4.3.6 基于GPU动态调度的算法加速 | 第70-71页 |
| 4.4 实验结果与分析 | 第71-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 基于三维点集映射与稀疏恢复的人脸姿态标准化 | 第75-88页 |
| 5.1 引言 | 第75-76页 |
| 5.2 基于可变三维点集映射的人脸姿态标准化 | 第76-81页 |
| 5.3 基于双稀疏约束字典学习算法的标准化人脸图像校正 | 第81-85页 |
| 5.4 实验结果与分析 | 第85-87页 |
| 5.5 本章小结 | 第87-88页 |
| 第六章 基于深度学习的表情识别 | 第88-105页 |
| 6.1 引言 | 第88-90页 |
| 6.2 人脸表情图像的稠密采样与预处理 | 第90-92页 |
| 6.3 基于改进Capsule构型的表情识别 | 第92-98页 |
| 6.3.1 Capsule结构 | 第94-97页 |
| 6.3.2 改进的Capsule构型 | 第97-98页 |
| 6.4 实验结果与讨论 | 第98-103页 |
| 6.5 本章小结 | 第103-105页 |
| 结论与展望 | 第105-108页 |
| 参考文献 | 第108-121页 |
| 附录 | 第121-123页 |
| 附录1 n维笛卡尔坐标系下重心坐标的求解 | 第121页 |
| 附录2 线性最小二乘及岭回归的闭式解法 | 第121-123页 |
| 攻读博士学位期间取得的研究成果 | 第123-125页 |
| 致谢 | 第125-126页 |
| 附件 | 第126页 |
