| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·人脸表情识别研究的背景及意义 | 第8-9页 |
| ·国内外表情识别研究的历史和现状 | 第9-12页 |
| ·人脸表情识别研究的历史 | 第9-10页 |
| ·人脸表情识别研究的现状 | 第10-12页 |
| ·人脸表情识别研究存在的问题和难点 | 第12-13页 |
| ·本文研究内容、意义和结构安排 | 第13-15页 |
| 2 人脸表情识别系统介绍 | 第15-22页 |
| ·人脸表情图像的检测和预处理 | 第15-16页 |
| ·人脸表情图像的检测 | 第15-16页 |
| ·人脸表情图像的预处理 | 第16页 |
| ·人脸表情的特征提取 | 第16-17页 |
| ·特征信息降维 | 第17-18页 |
| ·人脸表情的分类 | 第18-19页 |
| ·人脸表情数据库介绍 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于分数阶Fourier变换人脸表情的特征提取 | 第22-40页 |
| ·分数阶Fourier变换理论介绍 | 第22-30页 |
| ·一维分数阶Fourier变换基本定义 | 第22-24页 |
| ·一维分数阶Fourier变换的性质 | 第24-26页 |
| ·一维分数阶Fourier变换的离散算法 | 第26-28页 |
| ·二维分数阶Fourier变换 | 第28-30页 |
| ·二维分数阶Fourier变换的性质 | 第30页 |
| ·利用二维分数阶Fourier变换进行特征提取 | 第30-39页 |
| ·表情图像的选取和预处理 | 第31-32页 |
| ·特征提取及实验结果分析 | 第32-39页 |
| ·本章小结 | 第39-40页 |
| 4 PCA联合FLDA方法对表情特征信息降维 | 第40-51页 |
| ·PCA方法 | 第40-43页 |
| ·K-L变换原理 | 第40-42页 |
| ·PCA在表情识别中的应用 | 第42-43页 |
| ·FLDA方法 | 第43-45页 |
| ·PCA+FLDA算法的实现和仿真实验以及结果分析 | 第45-50页 |
| ·算法的实现 | 第45-46页 |
| ·仿真实验及结果分析 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 5 模糊融合多分类器对表情的分类鉴别 | 第51-66页 |
| ·模糊融合基础理论 | 第51-55页 |
| ·模糊测度 | 第51-53页 |
| ·模糊积分 | 第53-55页 |
| ·具体融合算法 | 第55-58页 |
| ·置信度矩阵的确定 | 第55-56页 |
| ·模糊密度的确定 | 第56-57页 |
| ·模糊测度的确定 | 第57-58页 |
| ·模糊积分及判别输出 | 第58页 |
| ·仿真实验及结果分析 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 6 结论与展望 | 第66-69页 |
| ·结论 | 第66-67页 |
| ·未来的展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 个人简历 在学期间发表的学术论文与研究成果 | 第72-73页 |
| 致谢 | 第73页 |