| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究人脸表情识别的意义 | 第8-9页 |
| ·人脸表情的分类 | 第9-10页 |
| ·人脸表情识别的研究现状 | 第10-12页 |
| ·人脸表情识别面临的困难 | 第12-13页 |
| ·本文的主要工作内容以及章节安排 | 第13-16页 |
| ·本文的主要工作内容 | 第13-14页 |
| ·本文的章节安排 | 第14-16页 |
| 第二章 人脸表情特征提取 | 第16-32页 |
| ·PCA特征提取 | 第17-19页 |
| ·PCA特征提取原理 | 第17-18页 |
| ·PCA的能量值选取 | 第18-19页 |
| ·2D-PCA特征提取 | 第19-21页 |
| ·Gabor小波特征提取 | 第21-25页 |
| ·Gabor小波特征提取原理 | 第21-23页 |
| ·Gabor小波的方向和尺度选择 | 第23-25页 |
| ·基于Gabor多方向融合结合分块PCA降维的特征提取 | 第25-30页 |
| ·图像特征融合 | 第25-26页 |
| ·Gabor多方向的特征融合 | 第26-27页 |
| ·分块PCA降维法 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于稀疏表示的分类器设计 | 第32-52页 |
| ·表情识别中常用的几种分类器 | 第32-38页 |
| ·最近邻分类器 | 第32-33页 |
| ·人工神经网络 | 第33-36页 |
| ·支持向量机 | 第36-38页 |
| ·稀疏表示 | 第38-41页 |
| ·几种常见的稀疏求解方法 | 第41-46页 |
| ·匹配追踪算法 | 第41-42页 |
| ·稀疏梯度投影算法 | 第42-43页 |
| ·多面体面追踪算法 | 第43-46页 |
| ·基于稀疏表示的分类方法 | 第46-48页 |
| ·增强稀疏表示鲁棒性的改进方法 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 实验结果与分析 | 第52-70页 |
| ·人脸表情图像的预处理 | 第52-53页 |
| ·不同特征提取方法实验对比分析 | 第53-60页 |
| ·基于PCA的人脸表情识别实验 | 第53-54页 |
| ·基于Gabor和采样法的人脸表情识别实验 | 第54-55页 |
| ·基于Gabor多方向特征融合和分块PCA的人脸表情识别实验 | 第55-60页 |
| ·不同稀疏求解方法对稀疏判别的影响 | 第60-62页 |
| ·对稀疏表示改进的判别方法实验 | 第62-65页 |
| ·与其它方法的对比实验 | 第65-67页 |
| ·污损图像样本下的稀疏判别实验 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 总结和展望 | 第70-72页 |
| 总结 | 第70页 |
| 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的科研成果 | 第76-78页 |
| 致谢 | 第78页 |