| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-25页 |
| ·研究背景和意义 | 第9-10页 |
| ·面部表情识别概述 | 第10-20页 |
| ·国内外研究现状 | 第10-11页 |
| ·表情识别系统框架 | 第11-13页 |
| ·表情特征提取 | 第13-17页 |
| ·表情分类方法 | 第17-20页 |
| ·人脸表情数据库及其上的实验结果比较 | 第20-22页 |
| ·本文研究内容和主要贡献 | 第22-23页 |
| ·论文结构 | 第23-25页 |
| 第二章 基于静态图像的表情识别算法综述 | 第25-43页 |
| ·概述 | 第25-26页 |
| ·二维Gabor 变换 | 第26-28页 |
| ·二维Gabor 滤波器 | 第26-27页 |
| ·Gabor 幅值特征 | 第27-28页 |
| ·局部二进制模式 | 第28-31页 |
| ·基本LBP 算子 | 第28-29页 |
| ·圆形邻域的LBPP,R算子 | 第29-30页 |
| ·均匀LBP 算子──Uniform LBP | 第30-31页 |
| ·图像分区 | 第31页 |
| ·典型表情识别方法介绍 | 第31-43页 |
| ·基于增强LBP 特征的表情识别 | 第31-34页 |
| ·基于Gabor 特征融合的表情识别 | 第34-40页 |
| ·基于LBP 特征和粗略到精细分类的表情识别 | 第40-43页 |
| 第三章 基于MB-LGBP 复合特征的人脸表情识别算法 | 第43-70页 |
| ·表情图像预处理 | 第43-49页 |
| ·人脸检测 | 第43-45页 |
| ·几何归一化 | 第45-46页 |
| ·去除噪声 | 第46-47页 |
| ·灰度归一化 | 第47-48页 |
| ·标注表情区 | 第48-49页 |
| ·MB-LGBP 特征 | 第49-53页 |
| ·Gabor 频率通道特征 | 第49页 |
| ·MB-LBP | 第49-51页 |
| ·复合特征 | 第51-53页 |
| ·C-SVM 分类器 | 第53-59页 |
| ·线性可分的情况 | 第53-54页 |
| ·非线性可分的情况 | 第54-55页 |
| ·需要核函数映射的情况 | 第55-58页 |
| ·推广至多类问题 | 第58-59页 |
| ·实验结果及分析 | 第59-68页 |
| ·在JAFFE 数据库上的识别结果分析 | 第59-66页 |
| ·在Cohn-Kanade 表情库上的识别结果 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 第四章 基于二维MB-LGBP 特征的人脸表情识别算法 | 第70-85页 |
| ·灰度共生矩阵 | 第70-76页 |
| ·灰度共生矩阵的计算 | 第70-73页 |
| ·利用直方图规定化压缩灰度级 | 第73-74页 |
| ·灰度共生矩阵的纹理分析 | 第74-76页 |
| ·二维MB-LGBP 复合特征 | 第76-77页 |
| ·基于二分器的特征加权 | 第77-80页 |
| ·识别结果分析 | 第80-83页 |
| ·实验Ⅰ——不同特征对识别率的影响 | 第80-81页 |
| ·实验Ⅱ——特征加权对识别率的影响 | 第81-83页 |
| ·几种典型表情识别方法的比较 | 第83页 |
| ·本章小结 | 第83-85页 |
| 第五章 基于三维表征脸和聚类的人脸表情图像光照估计 | 第85-103页 |
| ·研究背景与思路 | 第85-87页 |
| ·数据集的规格化 | 第87-89页 |
| ·网格简化 | 第87-88页 |
| ·稠密对应 | 第88-89页 |
| ·自适应的人脸三维结构k-means 聚类 | 第89-92页 |
| ·生成表征脸 | 第92-94页 |
| ·特征提取与分类 | 第94-97页 |
| ·生成训练集合 | 第94-96页 |
| ·米字形特征 | 第96-97页 |
| ·C-SVM 分类器 | 第97页 |
| ·实验结果分析 | 第97-101页 |
| ·在三维模型的二维投影图像集上的识别率 | 第97-98页 |
| ·在小型光照、表情数据集上的识别率 | 第98-101页 |
| ·本章小结 | 第101-103页 |
| 第六章 总结与展望 | 第103-105页 |
| ·全文总结 | 第103-104页 |
| ·研究展望 | 第104-105页 |
| 参考文献 | 第105-114页 |
| 发表论文和科研情况说明 | 第114-115页 |
| 致谢 | 第115页 |
