| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·人脸检测与定位 | 第13页 |
| ·表情特征提取 | 第13-14页 |
| ·表情识别方法 | 第14-15页 |
| ·表情识别的难点 | 第15-16页 |
| ·论文的研究内容及主要工作 | 第16-17页 |
| ·论文的组织与结构 | 第17-18页 |
| 第2章 表情图像的预处理与特征提取 | 第18-25页 |
| ·表情图像预处理 | 第18页 |
| ·几何校正 | 第18页 |
| ·灰度预处理 | 第18页 |
| ·人脸图像检测 | 第18-21页 |
| ·特征提取 | 第19页 |
| ·积分图 | 第19-20页 |
| ·弱分类器 | 第20-21页 |
| ·AdaBoost算法描述 | 第21页 |
| ·特征点的标定 | 第21-22页 |
| ·表情特征提取 | 第22-24页 |
| ·人脸表情特点 | 第22页 |
| ·表情特征提取 | 第22-24页 |
| ·小结 | 第24-25页 |
| 第3章 基于粗糙集理论和神经网络理论的表情识别 | 第25-36页 |
| ·经典粗糙集理论简介 | 第25-28页 |
| ·粗糙集理论基本概念 | 第25-26页 |
| ·粗糙集理论的属性约简算法 | 第26-28页 |
| ·基于经典粗糙集属性约简的特征选择 | 第28-32页 |
| ·粗糙集知识挖掘流程 | 第28-29页 |
| ·基于粗糙集的特征选择 | 第29-32页 |
| ·人工神经网络基础 | 第32-35页 |
| ·人工神经元网络 | 第32-34页 |
| ·RS+ANN的表情识别方法 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第4章 属性约简算法的研究 | 第36-46页 |
| ·粗糙集属性约简中常用的启发式信息 | 第36-38页 |
| ·改进的粗糙集属性约简方法IMSH | 第38-39页 |
| ·基于正向近似粗糙集属性约简框架FSPA | 第39-41页 |
| ·粗糙集属性约简方法FSPA-IMSH | 第41-42页 |
| ·对比实验 | 第42-45页 |
| ·IMSH、IMSH和FSPA-IMSH属性约简算法的对比实验 | 第42-44页 |
| ·表情识别算法的对比实验 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第5章 表情识别系统的设计与实现 | 第46-51页 |
| ·系统概要设计 | 第46-47页 |
| ·系统详细设计 | 第47-49页 |
| ·系统实现 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |