| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 课题可行性分析 | 第13-14页 |
| 1.4 研究内容 | 第14页 |
| 1.5 本文结构 | 第14-16页 |
| 2. 人脸表情识别技术相关理论概述 | 第16-31页 |
| 2.1 人脸表情识别方法类别概述 | 第16-19页 |
| 2.2 人脸表情数据库概述 | 第19-24页 |
| 2.3 表情图片预处理方法概述 | 第24-25页 |
| 2.4 人脸表情识别特征提取算法概述 | 第25-28页 |
| 2.5.分类器概述 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 3. 分数阶傅里叶变换概论 | 第31-39页 |
| 3.1 分数阶傅里叶变换的相关定义 | 第31-33页 |
| 3.2 分数阶傅里叶变换的相关特性 | 第33-35页 |
| 3.3 分数阶傅里叶变换的离散形式及二维形式 | 第35-37页 |
| 3.4 分数阶傅里叶变换的相关应用概述 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4. 基于 2D-FrFT统计特征融合的表情识别 | 第39-60页 |
| 4.1 引言 | 第39页 |
| 4.2 关于分数阶傅里叶域幅度与相位信息的研究分析 | 第39-46页 |
| 4.2.1 数据库设置与预处理 | 第39-41页 |
| 4.2.2 理论分析 | 第41-44页 |
| 4.2.3 实验分析 | 第44-46页 |
| 4.3 判别多重典型相关分析算法 | 第46-51页 |
| 4.4 基于多阶次统计特征的表情识别系统 | 第51-59页 |
| 4.4.1 系统框架 | 第52-54页 |
| 4.4.2 阶次数量选择 | 第54-56页 |
| 4.4.3 实验结果分析及对比 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5. 基于多特征融合的人脸表情识别 | 第60-70页 |
| 5.1 Gabor变换 | 第60-63页 |
| 5.2 KECA+DMCCS融合算法 | 第63-65页 |
| 5.2.1 核熵成分分析 | 第63-64页 |
| 5.2.2 判别多重典型相关空间下的KECA | 第64-65页 |
| 5.3 实验框架 | 第65-67页 |
| 5.4 实验结果与分析 | 第67-69页 |
| 5.5 本章小结 | 第69-70页 |
| 6. 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 在学期间发表论文及研究成果 | 第76-77页 |
| 致谢 | 第77页 |