| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.2 面部表情图像识别研究现状与分析 | 第11-16页 |
| 1.2.1 面部表情图像识别研究的现状 | 第11-14页 |
| 1.2.2 面部表情图像识别的技术难点 | 第14-16页 |
| 1.3 论文的研究内容安排 | 第16-17页 |
| 第2章 基于流形学习的面部表情图像识别方法综述 | 第17-23页 |
| 2.1 流形学习算法概述 | 第17-18页 |
| 2.2 流形学习算法在面部表情图像识别各环节中的应用 | 第18-21页 |
| 2.2.1 面部表情图像识别的步骤 | 第18-19页 |
| 2.2.2 流形学习算法在人脸检测环节中的应用 | 第19-20页 |
| 2.2.3 流形学习算法在特征提取环节中的应用 | 第20页 |
| 2.2.4 流形学习算法在表情图像分类环节中的应用 | 第20-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第3章 基于最大非参化类间距映射的面部表情图像识别方法 | 第23-37页 |
| 3.1 相关工作 | 第26-28页 |
| 3.1.1 符号 | 第26页 |
| 3.1.2 线性判别分析 | 第26-27页 |
| 3.1.3 最大间距准则 | 第27-28页 |
| 3.2 最大非参数化类间距映射 | 第28-32页 |
| 3.2.1 算法思想 | 第28-29页 |
| 3.2.2 非参数化类间离散度和非参数化类内离散度 | 第29-30页 |
| 3.2.3 非参数化类间距 | 第30页 |
| 3.2.4 算法理论分析 | 第30-32页 |
| 3.3 实验 | 第32-35页 |
| 3.3.1 AR脸数据库 | 第32-34页 |
| 3.3.2 Yale脸数据库 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 基于距离加权局部保持映射的面部表情图像识别方法 | 第37-50页 |
| 4.1 相关工作 | 第38-40页 |
| 4.1.1 k-近邻算法 | 第38-39页 |
| 4.1.2 局部保持映射 | 第39-40页 |
| 4.2 距离加权局部保持映射 | 第40-44页 |
| 4.2.1 算法思想 | 第40-41页 |
| 4.2.2 距离加权 | 第41-43页 |
| 4.2.3 算法理论分析 | 第43-44页 |
| 4.3 实验 | 第44-49页 |
| 4.3.1 JAFFE脸数据库 | 第44-46页 |
| 4.3.2 CK脸数据库 | 第46-48页 |
| 4.3.3 讨论 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-53页 |
| 5.1 本文的主要工作 | 第50-51页 |
| 5.2 进一步的工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 附录1 攻读硕士学位期间发表的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 详细摘要 | 第62-64页 |
