| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·引言 | 第9页 |
| ·课题研究背景及意义 | 第9-11页 |
| ·人脸表情识别系统概述 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·表情特征提取 | 第12-14页 |
| ·表情特征分类 | 第14-15页 |
| ·论文主要工作及组织结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 人脸表情图像预处理 | 第17-27页 |
| ·引言 | 第17页 |
| ·表情图像灰度化 | 第17-18页 |
| ·表情图像几何归一化 | 第18-21页 |
| ·表情图像旋转 | 第18-20页 |
| ·表情图像缩放 | 第20-21页 |
| ·表情图像灰度归一化 | 第21-23页 |
| ·基于 Haar-like 特征的唇部区域定位 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基本表情的唇部特征提取 | 第27-40页 |
| ·引言 | 第27页 |
| ·Gabor 小波 | 第27-32页 |
| ·小波变换原理 | 第27-28页 |
| ·Gabor 滤波器 | 第28-32页 |
| ·Adaboost 算法 | 第32-34页 |
| ·唇部关键特征点几何特征提取 | 第34-35页 |
| ·直接几何特征 | 第34-35页 |
| ·间接几何特征 | 第35页 |
| ·唇部区域 Gabor 特征提取 | 第35-39页 |
| ·Gabor 滤波器参数选择 | 第35-37页 |
| ·Gabor 表情特征提取 | 第37-38页 |
| ·基于 Adaboost 算法的 Gabor 表情特征降维 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于 SVM 的唇部表情特征分类 | 第40-53页 |
| ·引言 | 第40页 |
| ·统计学习理论 | 第40-42页 |
| ·VC 维 | 第40-41页 |
| ·推广性的界 | 第41页 |
| ·结构风险最小化 | 第41-42页 |
| ·支持向量机 | 第42-48页 |
| ·最优分界面 | 第43-47页 |
| ·支持向量机的核函数 | 第47-48页 |
| ·多类支持向量机算法 | 第48-51页 |
| ·基于 SVM 的唇部表情特征分类 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于唇部特征的基本表情分类及识别实现 | 第53-82页 |
| ·引言 | 第53页 |
| ·系统的总体设计 | 第53-57页 |
| ·实验结果及分析 | 第57-81页 |
| ·JAFFE 表情数据库 | 第57页 |
| ·表情图像预处理 | 第57-60页 |
| ·唇部区域关键特征点几何特征提取 | 第60-62页 |
| ·唇部区域 Gabor 特征提取 | 第62-64页 |
| ·基于 Adaboost 算法的 Gabor 表情特征降维 | 第64-66页 |
| ·基于 SVM 的唇部表情特征分类 | 第66-77页 |
| ·同一个人不同表情的几何特征分类 | 第67-71页 |
| ·同种表情不同样本的几何特征分类 | 第71-74页 |
| ·样本与表情的综合几何特征分类 | 第74-76页 |
| ·几何特征与 Gabor 特征结合的表情分类 | 第76-77页 |
| ·表情识别结果与分析 | 第77-81页 |
| ·本章小结 | 第81-82页 |
| 第6章 总结与展望 | 第82-84页 |
| ·全文总结 | 第82-83页 |
| ·未来展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-91页 |
| 攻读学位期间发表论文 | 第91页 |