| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第15-20页 |
| 1.1 研究的背景和意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 常用的人脸表情数据库 | 第16-18页 |
| 1.3.1 JAFFE数据库 | 第16-17页 |
| 1.3.2 Cohn-Kanade数据库 | 第17页 |
| 1.3.3 FGnet表情库 | 第17页 |
| 1.3.4 CAS-PEAL人脸数据库 | 第17-18页 |
| 1.3.5 CMU PIE人脸数据库 | 第18页 |
| 1.3.6 USTC-NVIE数据库 | 第18页 |
| 1.3.7 Pain Expression表情数据库 | 第18页 |
| 1.4 本论文的主要内容和结构安排 | 第18-20页 |
| 2 人脸表情识别的基本理论和算法 | 第20-35页 |
| 2.1 人脸检测算法的研究 | 第20-24页 |
| 2.1.1 基于肤色分割的人脸检测算法 | 第21-22页 |
| 2.1.2 基于Adaboost算法的人脸检测 | 第22-24页 |
| 2.1.3 基于肤色和Adaboost算法的人脸检测 | 第24页 |
| 2.2 人脸表情图像的预处理 | 第24-30页 |
| 2.2.1 平滑去噪 | 第25-26页 |
| 2.2.2 几何归一化 | 第26-29页 |
| 2.2.3 直方图均衡化 | 第29-30页 |
| 2.3 人脸表情特征提取方法的研究 | 第30-34页 |
| 2.3.1 基于几何特征的提取方法 | 第31-32页 |
| 2.3.2 基于纹理特征的提取方法 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 基于CECBP纹理特征的表情识别方法 | 第35-48页 |
| 3.1 引言 | 第35-36页 |
| 3.2 尺度空间的分析 | 第36-39页 |
| 3.2.1 创建图像金字塔 | 第36-38页 |
| 3.2.2 尺度空间的滤波 | 第38-39页 |
| 3.3 多尺度中心误差补偿二值模式 | 第39-43页 |
| 3.4 实验结果分析 | 第43-47页 |
| 3.4.1 基于不同数据库的识别分析 | 第43-46页 |
| 3.4.2 基于不同算法的识别分析 | 第46页 |
| 3.4.3 基于不同算法的识别时间 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 基于显著区域特征决策的表情识别 | 第48-62页 |
| 4.1 显著区域的获取 | 第48-50页 |
| 4.2 梯度方向直方图 | 第50-53页 |
| 4.3 显著区域特征决策机制 | 第53-57页 |
| 4.4 实验结果分析 | 第57-61页 |
| 4.4.1 基于不同数据库的识别分析 | 第58-60页 |
| 4.4.2 与其他方法在识别率上的对比实验 | 第60-61页 |
| 4.4.3 与其他方法在识别时间上的对比实验 | 第61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第68-69页 |