| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 表情识别的研究背景 | 第8-9页 |
| 1.1.2 表情识别的研究意义 | 第9-10页 |
| 1.2 国内外人脸表情识别的研究现状 | 第10-12页 |
| 1.3 本文所要解决的问题 | 第12-13页 |
| 1.4 本文研究内容及论文结构 | 第13-15页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 论文结构 | 第13-15页 |
| 第2章 人脸表情识别的经典方法 | 第15-23页 |
| 2.1 人脸表情识别的一般框架 | 第15页 |
| 2.2 人脸表情特征提取的方法 | 第15-20页 |
| 2.2.1 运动特征提取 | 第16-17页 |
| 2.2.2 形变特征提取 | 第17-20页 |
| 2.3 人脸表情特征分类的方法 | 第20-21页 |
| 2.3.1 基于贝叶斯网络的方法 | 第20-21页 |
| 2.3.2 基于距离度量的分类方法 | 第21页 |
| 2.4 小结 | 第21-23页 |
| 第3章 图像预处理 | 第23-32页 |
| 3.1 常用的表情数据库 | 第23-25页 |
| 3.2 瞳孔定位与图像旋转 | 第25-26页 |
| 3.2.1 瞳孔定位 | 第25-26页 |
| 3.2.2 图像旋转 | 第26页 |
| 3.3 目标区域的裁剪 | 第26-29页 |
| 3.3.1 人脸区域的裁剪 | 第26-27页 |
| 3.3.2 局部子区域的裁剪 | 第27-29页 |
| 3.4 尺度归一化与直方图均衡化 | 第29-31页 |
| 3.4.1 尺度归一化 | 第29-30页 |
| 3.4.2 直方图均衡化 | 第30-31页 |
| 3.5 小结 | 第31-32页 |
| 第4章 基于改进的 Gabor 小波变换的人脸表情识别 | 第32-44页 |
| 4.1 Gabor 小波的基本原理 | 第32-35页 |
| 4.2 Gabor 滤波器的参数优化 | 第35-36页 |
| 4.3 改进的 Gabor 小波特征提取方法 | 第36-39页 |
| 4.4 局部特征融合 | 第39页 |
| 4.5 实验结果及分析 | 第39-43页 |
| 4.5.1 参数优化实验结果分析 | 第40-41页 |
| 4.5.2 特征编码实验结果分析 | 第41-43页 |
| 4.6 小结 | 第43-44页 |
| 第5章 基于分类树的人脸表情识别 | 第44-55页 |
| 5.1 分类树 | 第44-46页 |
| 5.2 分类的特征向量 | 第46页 |
| 5.3 特征选择 | 第46-48页 |
| 5.4 k 近邻分类器 | 第48-49页 |
| 5.5 实验流程和结果分析 | 第49-54页 |
| 5.5.1 实验流程和实验条件 | 第49-50页 |
| 5.5.2 实验结果及分析 | 第50-54页 |
| 5.6 小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-58页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第65页 |