基于非对称局部梯度编码及多特征融合的人脸表情识别
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题研究的背景与意义 | 第15-16页 |
| 1.2 课题研究现状 | 第16-17页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17页 |
| 1.3 人脸表情识别系统 | 第17-18页 |
| 1.4 人脸表情数据库 | 第18-20页 |
| 1.5 人脸表情识别研究的难点 | 第20页 |
| 1.6 论文结构安排 | 第20-22页 |
| 第二章 人脸表情识别基础理论 | 第22-35页 |
| 2.1 人脸检测 | 第22-25页 |
| 2.1.1 基于知识模型的人脸检测 | 第22-24页 |
| 2.1.2 基于统计模型的人脸检测 | 第24-25页 |
| 2.2 图像预处理 | 第25-28页 |
| 2.2.1 直方图均衡化 | 第25-26页 |
| 2.2.2 滤波去噪 | 第26-27页 |
| 2.2.3 几何变换 | 第27-28页 |
| 2.3 特征提取 | 第28-32页 |
| 2.3.1 基于静态图像的特征提取 | 第28-32页 |
| 2.3.2 基于动态图像序列的特征提取 | 第32页 |
| 2.4 分类识别 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于非对称局部梯度编码的人脸表情识别 | 第35-48页 |
| 3.1 局部梯度编码算子 | 第36-37页 |
| 3.2 改进的局部梯度编码算法 | 第37-40页 |
| 3.2.1 非对称LGC编码算法 | 第37-39页 |
| 3.2.2 异或AR-LGC编码算法 | 第39-40页 |
| 3.3 异或AR-LGC特征提取 | 第40-41页 |
| 3.3.1 分块直方图 | 第40页 |
| 3.3.2 特征提取 | 第40-41页 |
| 3.4 实验描述及结果分析 | 第41-47页 |
| 3.4.1 实验描述 | 第41-42页 |
| 3.4.2 实验结果分析 | 第42-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于多特征融合的人脸表情识别 | 第48-59页 |
| 4.1 特征提取 | 第49-51页 |
| 4.1.1 异或非对称局部梯度编码 | 第49页 |
| 4.1.2 主动外观模型 | 第49-50页 |
| 4.1.3 离散余弦变换 | 第50-51页 |
| 4.2 多特征融合 | 第51-54页 |
| 4.2.1 差异性和重要性 | 第51-52页 |
| 4.2.2 多特征加权融合 | 第52-54页 |
| 4.3 实验描述及结果分析 | 第54-58页 |
| 4.3.1 实验描述 | 第54-55页 |
| 4.3.2 实验结果分析 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文总结 | 第59页 |
| 5.2 未来研究的展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第66-67页 |
