| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-34页 |
| ·研究背景 | 第12-13页 |
| ·研究现状 | 第13-15页 |
| ·二维人脸表情识别 | 第15-25页 |
| ·人脸检测和配准 | 第16-18页 |
| ·人脸特征提取 | 第18-22页 |
| ·表情分类 | 第22-25页 |
| ·三维人脸表情识别 | 第25-30页 |
| ·三维人脸获取的方法和设备 | 第25-28页 |
| ·三维表情数据库 | 第28页 |
| ·静态和动态三维表情识别 | 第28-30页 |
| ·论文主要创新成果和结构安排 | 第30-34页 |
| ·论文主要创新成果 | 第30-32页 |
| ·论文结构安排 | 第32-34页 |
| 第二章 基于自动提取特征点的三维人脸表情识别 | 第34-54页 |
| ·虚拟现实建模语言 | 第34-35页 |
| ·三维人脸表情数据库 BU-3DFE | 第35-40页 |
| ·三维表情识别相对二维表情识别的优势 | 第35-37页 |
| ·BU-3DFE | 第37-40页 |
| ·自动提取人脸特征点算法设计 | 第40-52页 |
| ·三维特征点的提取 | 第41-46页 |
| ·二维纹理图像上特征点的提取 | 第46-48页 |
| ·特征向量 | 第48-50页 |
| ·实验设定 | 第50-51页 |
| ·实验结果与分析 | 第51-52页 |
| ·总结与讨论 | 第52-54页 |
| 第三章 基于人脸面部放射状曲线的三维人脸表情识别 | 第54-66页 |
| ·特征曲线方法在人脸识别以及人脸表情识别中的应用 | 第54-55页 |
| ·自动人脸点云上放射状曲线以及特征向量获取 | 第55-58页 |
| ·自动特征选取算法 | 第58-60页 |
| ·实验设定及表情分类结果 | 第60-64页 |
| ·Adaboost | 第60-63页 |
| ·实验结果与分析 | 第63-64页 |
| ·总结与讨论 | 第64-66页 |
| 第四章 二维表情识别新算法研究 | 第66-86页 |
| ·二维图像纹理特征提取算法 | 第66-69页 |
| ·Local Binary Pattern (LBP) | 第67-68页 |
| ·Weber Local Descriptor (WLD) | 第68-69页 |
| ·Histogram contextualization（HC） | 第69-70页 |
| ·两种特征提取算法及实验结果 | 第70-77页 |
| ·使用情境化直方图算法提高 LBP、WLD 特征向量判别度 | 第70-73页 |
| ·拓展 WLD 为空–时特征算法的人脸表情识别 | 第73-77页 |
| ·使用 SC 算法编码 LBP 图像的人脸表情识别 | 第77-85页 |
| ·LBP编码图像 | 第78-79页 |
| ·Shape Context（SC）及其旋转不变性拓展 | 第79-80页 |
| ·试验结果分析 | 第80-85页 |
| ·总结与讨论 | 第85-86页 |
| 第五章 基于网络搜索建立二维人脸表情数据库 | 第86-96页 |
| ·网络搜索图像数据库获取相关工作 | 第88-89页 |
| ·基于文本的网络图像搜索 | 第89-90页 |
| ·基于内容的数据库提炼 | 第90-93页 |
| ·人脸获取 | 第90-92页 |
| ·基于自主学习的数据库精炼 | 第92-93页 |
| ·基于网络文本搜索获取表情数据库的表情分类识别 | 第93-95页 |
| ·总结与讨论 | 第95-96页 |
| 第六章 总结与展望 | 第96-100页 |
| ·主要工作和贡献 | 第96-98页 |
| ·未来工作展望 | 第98-100页 |
| 参考文献 | 第100-111页 |
| 攻读博士期间发表的论文 | 第111-112页 |
| 致谢 | 第112页 |
