| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 课题研究背景及意义 | 第7-9页 |
| 1.1.1 课题研究背景 | 第7-8页 |
| 1.1.2 课题研究意义 | 第8-9页 |
| 1.2 国内外研究历史 | 第9-11页 |
| 1.2.1 国外研究历史 | 第9-10页 |
| 1.2.2 国内研究历史 | 第10-11页 |
| 1.3 自然环境中表情识别过程与难点 | 第11-13页 |
| 1.3.1 表情识别过程 | 第11-13页 |
| 1.3.2 自然表情识别难点 | 第13页 |
| 1.4 研究内容及章节安排 | 第13-16页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 章节安排 | 第14-16页 |
| 第二章 表情图像预处理 | 第16-30页 |
| 2.1 表情数据库 | 第16-17页 |
| 2.1.1 SFEW数据库 | 第16页 |
| 2.1.2 GENKI-4K数据库 | 第16-17页 |
| 2.1.3 JAFFE数据库 | 第17页 |
| 2.1.4 CK+数据库 | 第17页 |
| 2.2 人脸检测与定位 | 第17-23页 |
| 2.2.1 基于肤色的人脸初步定位 | 第18-20页 |
| 2.2.2 结合Adaboost算法的人脸精确定位 | 第20-23页 |
| 2.3 人脸区域处理 | 第23-27页 |
| 2.3.1 人脸对齐 | 第23-24页 |
| 2.3.2 人脸裁剪 | 第24-25页 |
| 2.3.3 尺度归一 | 第25-27页 |
| 2.4 图像增强 | 第27-29页 |
| 2.4.1 滤波处理 | 第27-28页 |
| 2.4.2 直方图均衡化 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 特征提取算法研究 | 第30-44页 |
| 3.1 Gabor小波 | 第31-34页 |
| 3.1.1 Gabor小波介绍 | 第31页 |
| 3.1.2 二维Gabor小波 | 第31-32页 |
| 3.1.3 二维Gabor参数选择 | 第32-33页 |
| 3.1.4 Gabor特征提取 | 第33-34页 |
| 3.2 LBP算法 | 第34-39页 |
| 3.2.1 基础LBP算法 | 第34-35页 |
| 3.2.2 圆形LBP算法 | 第35-37页 |
| 3.2.3 等价LBP算法 | 第37页 |
| 3.2.4 改进LBP算法 | 第37-39页 |
| 3.3 PCA算法 | 第39-42页 |
| 3.3.1 PCA算法原理 | 第39-40页 |
| 3.3.2 PCA算法应用 | 第40-42页 |
| 3.4 特征融合方法 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 表情分类算法研究 | 第44-50页 |
| 4.1 最小距离分类器和K最邻近算法 | 第44-45页 |
| 4.1.1 最小距离分类器 | 第44-45页 |
| 4.1.2 K最邻近分类器 | 第45页 |
| 4.2 SVM分类器 | 第45-49页 |
| 4.2.1 线性支持向量机 | 第45-47页 |
| 4.2.2 非线性支持向量机 | 第47-48页 |
| 4.2.3 支持向量机参数选择 | 第48-49页 |
| 4.3 KNN和SVM性能比较 | 第49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 实验与分析 | 第50-57页 |
| 5.1 表情识别系统 | 第50-52页 |
| 5.2 实验数据准备 | 第52-53页 |
| 5.2.1 数据库设置 | 第52页 |
| 5.2.2 表情图像处理 | 第52-53页 |
| 5.3 实验与分析 | 第53-56页 |
| 5.3.1 实验一可行性验证实验 | 第53-54页 |
| 5.3.2 实验二不同表情的识别实验 | 第54-55页 |
| 5.3.3 实验三不同分类器的识别实验 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 论文工作总结 | 第57页 |
| 6.2 不足及展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |