首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

自然环境中人脸表情识别算法的研究

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

论文共63页,点击 下载论文
上一篇:基于密集神经网络的灰度图像着色算法研究及应用
下一篇:基于千兆以太网的自定义协议分析及接口IP核设计