| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 引言 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文研究内容及创新点 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 预备知识 | 第16-28页 |
| 2.1 Adaboost人脸检测算法 | 第16-19页 |
| 2.1.1 矩形特征 | 第16-17页 |
| 2.1.2 积分图像 | 第17-18页 |
| 2.1.3 Adaboost算法 | 第18页 |
| 2.1.4 基于Adaboost算法的人脸检测 | 第18-19页 |
| 2.2 图像的预处理 | 第19-20页 |
| 2.2.1 图像灰度化 | 第19页 |
| 2.2.2 直方图均衡化 | 第19-20页 |
| 2.2.3 尺度归一化 | 第20页 |
| 2.3 PCA+LDA降维算法 | 第20-22页 |
| 2.3.1 PCA算法 | 第20-21页 |
| 2.3.2 LDA算法 | 第21-22页 |
| 2.3.3 PCA+LDA算法 | 第22页 |
| 2.4 支持向量机 | 第22-23页 |
| 2.5 人脸表情库及表情图像的预处理 | 第23-26页 |
| 2.5.1 人脸表情库 | 第23-25页 |
| 2.5.2 人脸表情图像的预处理 | 第25-26页 |
| 2.6 本章小结 | 第26-28页 |
| 第三章 基于Gabor变换融合LBP和LPQ的人脸表情识别 | 第28-38页 |
| 3.1 Gabor变换 | 第28-30页 |
| 3.2 LBP算子 | 第30-31页 |
| 3.3 LPQ算子 | 第31-33页 |
| 3.4 基于Gabor变换融合LBP和LPQ的算法分析 | 第33-34页 |
| 3.5 实验结果分析 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于词袋模型的人脸表情识别 | 第38-50页 |
| 4.1 SIFT特征提取 | 第38-42页 |
| 4.2 词袋模型 | 第42-43页 |
| 4.3 感兴趣区域的提取 | 第43页 |
| 4.4 基于词袋模型的算法分析及改进 | 第43-46页 |
| 4.4.1 提取表情图像的感兴趣区域 | 第44-45页 |
| 4.4.2 提取DSIFT特征 | 第45页 |
| 4.4.3 构建词袋模型 | 第45-46页 |
| 4.5 实验结果分析 | 第46-48页 |
| 4.6 本章小结 | 第48-50页 |
| 第五章 基于词袋模型和空间金字塔匹配的人脸表情识别 | 第50-60页 |
| 5.1 空间金字塔模型 | 第50-51页 |
| 5.2 直方图交叉核 | 第51-52页 |
| 5.3 基于ReliefF的特征降维 | 第52-53页 |
| 5.4 基于词袋模型和空间金字塔匹配的算法分析及改进 | 第53-54页 |
| 5.5 实验结果分析 | 第54-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间研究成果及发表的学术论文 | 第69-70页 |
| 攻读硕士期间参与的研究项目 | 第70页 |
