| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-26页 |
| 1.1 论文背景及研究意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-17页 |
| 1.2.1 国外发展现状 | 第11-14页 |
| 1.2.2 国内发展现状 | 第14-17页 |
| 1.3 人脸检测算法及表情识别系统框架 | 第17-21页 |
| 1.3.1 基于Adaboost算法的人脸检测 | 第17-20页 |
| 1.3.2 框架与流程 | 第20-21页 |
| 1.4 人脸表情数据集 | 第21-22页 |
| 1.5 本文主要研究内容及章节安排 | 第22-26页 |
| 1.5.1 主要研究内容 | 第22-23页 |
| 1.5.2 章节安排 | 第23-26页 |
| 第2章 人脸子区域裁剪策略和加权子区域的改进特征提取算法 | 第26-48页 |
| 2.1 相关特征提取算法 | 第26-31页 |
| 2.1.1 Gabor小波特征提取 | 第26-29页 |
| 2.1.2 优化投影权值的HOG特征提取 | 第29-31页 |
| 2.2 人脸子区域的裁剪策略构建 | 第31-35页 |
| 2.3 改进特征提取算法分析 | 第35-38页 |
| 2.4 改进算法描述 | 第38页 |
| 2.5 实验结果与分析 | 第38-46页 |
| 2.5.1 参数设定 | 第38-39页 |
| 2.5.2 加权不同区域实验与分析 | 第39-41页 |
| 2.5.3 加权参数的影响与分析 | 第41-44页 |
| 2.5.4 JAFFE数据集实验对比与分析 | 第44-45页 |
| 2.5.5 CK+数据集实验对比与分析 | 第45-46页 |
| 2.6 本章小结 | 第46-48页 |
| 第3章 基于类内散度矩阵修正的改进线性判别分析算法 | 第48-62页 |
| 3.1 常用特征降维算法 | 第48-51页 |
| 3.1.1 主成分分析算法 | 第48-50页 |
| 3.1.2 局部线性嵌入式算法 | 第50-51页 |
| 3.2 基于类内散度矩阵修正的改进线性判别分析算法分析 | 第51-54页 |
| 3.3 改进算法描述 | 第54-55页 |
| 3.4 实验结果与分析 | 第55-60页 |
| 3.4.1 降维程度对识别率影响实验与分析 | 第55-57页 |
| 3.4.2 JAFFE数据集降维算法实验对比与分析 | 第57-58页 |
| 3.4.3 CK+数据集降维算法实验对比与分析 | 第58-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第4章 基于广义回归神经网络的人脸表情识别 | 第62-74页 |
| 4.1 广义回归神经网络 | 第62-65页 |
| 4.1.1 GRNN理论基础 | 第62-63页 |
| 4.1.2 GRNN网络结构 | 第63-65页 |
| 4.2 广义回归神经网络的人脸表情识别算法分析 | 第65-67页 |
| 4.3 算法描述 | 第67-68页 |
| 4.4 实验结果与分析 | 第68-72页 |
| 4.4.1 本章算法参数对识别率的影响实验 | 第68-69页 |
| 4.4.2 不同分类器在JAFFE数据集上的实验对比与分析 | 第69-71页 |
| 4.4.3 不同分类器在CK+数据集上的实验对比与分析 | 第71-72页 |
| 4.5 本章小结 | 第72-74页 |
| 总结与展望 | 第74-76页 |
| 总结 | 第74-75页 |
| 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读学位期间发表专利 | 第82-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84页 |
