| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外新生儿疼痛表情识别研究现状 | 第10-11页 |
| 1.3 新生儿疼痛表情识别系统 | 第11-12页 |
| 1.4 本文研究内容 | 第12页 |
| 1.5 本文章节安排 | 第12-14页 |
| 第二章 基于分块加权LBP的新生儿表情特征提取 | 第14-28页 |
| 2.1 局部二值模式(LBP) | 第14-21页 |
| 2.1.1 LBP算法 | 第15-17页 |
| 2.1.2 可变尺度LBP | 第17-19页 |
| 2.1.3 LBP的均匀模式 | 第19-21页 |
| 2.2 LBP的对称模式 | 第21-22页 |
| 2.3 基于分块加权的LBP | 第22-27页 |
| 2.3.1 基于分块的LBP | 第22-23页 |
| 2.3.2 分块加权方法 | 第23-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 新生儿表情特征降维方法 | 第28-33页 |
| 3.1 特征降维方法 | 第28-29页 |
| 3.2 主成分分析法 | 第29-30页 |
| 3.3 2DPCA降维方法 | 第30-31页 |
| 3.4 2DLDA降维方法 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于稀疏表示的新生儿疼痛表情分类 | 第33-45页 |
| 4.1 压缩感知背景介绍 | 第33-34页 |
| 4.2 压缩感知理论 | 第34-38页 |
| 4.2.1 稀疏表示 | 第36-37页 |
| 4.2.2 观测矩阵 | 第37-38页 |
| 4.2.3 重构算法 | 第38页 |
| 4.3 基于稀疏表示的分类器设计 | 第38-44页 |
| 4.3.1 稀疏表示分类步骤 | 第40-42页 |
| 4.3.2 稀疏解求解方法 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 实验结果分析与总结 | 第45-55页 |
| 5.1 仿真实验流程介绍 | 第45-46页 |
| 5.1.1 实验步骤 | 第45页 |
| 5.1.2 表情图像库的建立 | 第45-46页 |
| 5.2 实验结果与分析 | 第46-54页 |
| 5.2.1 实验1——维数、分块对基于均匀模式LBP特征提取识别率的影响 | 第47-50页 |
| 5.2.2 实验2——数、分块对基于对称模式LBP特征提取识别率的影响 | 第50-53页 |
| 5.2.3 实验3——LBP分块加权 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 总结和展望 | 第55-56页 |
| 6.1 全文总结 | 第55页 |
| 6.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第59-60页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |