| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-10页 |
| ·研究历史与发展 | 第10-11页 |
| ·本文的主要研究内容与结构 | 第11-14页 |
| 第2章 人脸表情识别技术的研究与进展 | 第14-26页 |
| ·概述 | 第14页 |
| ·人脸表情识别系统若干阶段分析 | 第14-17页 |
| ·典型的人脸表情识别算法介绍 | 第17-24页 |
| ·主成份分析(PCA)结合线性判别方法 | 第17-20页 |
| ·小波变换 | 第20-21页 |
| ·光流模型 | 第21页 |
| ·隐马可尔夫模型 | 第21-24页 |
| ·人脸表情识别方法的比较和总结 | 第24页 |
| ·小结与启示 | 第24-26页 |
| 第3章表情图像数据库及其基准点定位 | 第26-29页 |
| ·表情图像数据库 | 第26页 |
| ·面部表情的特点 | 第26-28页 |
| ·基准点定位 | 第28-29页 |
| 第4章 基于 GABOR 小波变换的脸部表情特征提取 | 第29-39页 |
| ·概述 | 第29页 |
| ·小波理论与 GABOR 变换 | 第29-35页 |
| ·小波变换与多分辨率分析 | 第30-33页 |
| ·Gabor 变换 | 第33-35页 |
| ·GABOR滤波族的选择 | 第35-37页 |
| ·脸部表情特征提取 | 第37-39页 |
| 第5章 支持向量机基本原理 | 第39-46页 |
| ·统计学习理论 | 第39页 |
| ·SVM 基本原理 | 第39-40页 |
| ·SVM 的数学模型 | 第40-42页 |
| ·线性支持向量机 | 第40-41页 |
| ·非线性支持向量机 | 第41-42页 |
| ·线性不可分情况的处理 | 第42页 |
| ·SVM 的训练算法 | 第42-44页 |
| ·选块算法 | 第42-43页 |
| ·分解算法 | 第43页 |
| ·序列最小优化算法(Sequential Minimal Optimization) | 第43-44页 |
| ·小结与启示 | 第44-46页 |
| 第6章 基于 SVM 的脸部表情分类 | 第46-49页 |
| ·概述 | 第46页 |
| ·SVM 的训练与测试 | 第46-47页 |
| ·核函数与参数选择 | 第47-48页 |
| ·实验结果及其分析 | 第48-49页 |
| 第7章 结束语 | 第49-51页 |
| ·本文工作总结 | 第49-50页 |
| ·下一步工作展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |