面部表情自动分类的方法与系统研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-26页 |
| ·课题背景与研究意义 | 第12-13页 |
| ·课题的背景简介 | 第12页 |
| ·研究目的与意义 | 第12-13页 |
| ·国内外研究现状 | 第13-21页 |
| ·研究对象与研究思路 | 第21-23页 |
| ·分析处理的数据 | 第21-22页 |
| ·研究思路 | 第22-23页 |
| ·主要工作与成果 | 第23-24页 |
| ·论文的组织安排 | 第24-26页 |
| 第二章 人脸窗定位 | 第26-41页 |
| ·引言 | 第26-29页 |
| ·小波分解方法与小波特征信息的特点 | 第29-31页 |
| ·二维小波分解方法 | 第29-30页 |
| ·小波特征信息的特点 | 第30-31页 |
| ·用于人脸窗定位的神经网络设计 | 第31-33页 |
| ·神经网络的结构 | 第31-32页 |
| ·训练样本的预处理 | 第32-33页 |
| ·神经网络训练算法 | 第33页 |
| ·人脸窗定位与取舍判断 | 第33-36页 |
| ·检测算法与基于规则的验证 | 第33-34页 |
| ·基于最小同值分割吸收核方法的角点验证 | 第34-36页 |
| ·检测结果与分析 | 第36-40页 |
| ·本章总结 | 第40-41页 |
| 第三章 面部特征位置的获取 | 第41-61页 |
| ·引言 | 第41-43页 |
| ·模型初始化 | 第43-50页 |
| ·Candide面部模型 | 第43-44页 |
| ·眼部定位 | 第44-47页 |
| ·人脸模型的初始定位 | 第47-50页 |
| ·基于小波矩的特征点匹配方法 | 第50-55页 |
| ·金字塔图像分解 | 第51页 |
| ·小波矩的计算方法 | 第51-53页 |
| ·基于金字塔分解的小波矩匹配预测方法及结果 | 第53-55页 |
| ·基于 Snake 模型组的人脸特征定位 | 第55-60页 |
| ·本章总结与说明 | 第60-61页 |
| 第四章 表情特征的抽取与分类 | 第61-83页 |
| ·引言 | 第61-62页 |
| ·基于有限元思想的特征点集形变特征分析 | 第62-68页 |
| ·基于本征模态的形变分析方法 | 第64-66页 |
| ·实验设计与结果分析 | 第66-68页 |
| ·基于本征空间的表情区域信息分析 | 第68-72页 |
| ·建立本征空间 | 第68-69页 |
| ·基于本征空间特征的表情自动分类结果与讨论 | 第69-72页 |
| ·基于矩方法的表情区域信息分析 | 第72-80页 |
| ·Zernike矩 | 第72-74页 |
| ·Pseudo-Zernike矩 | 第74页 |
| ·Fourier-Mellin矩 | 第74-75页 |
| ·Tchebichef矩 | 第75-78页 |
| ·Krawtchouk矩 | 第78-79页 |
| ·实验结果与分析 | 第79-80页 |
| ·本章讨论 | 第80-82页 |
| ·本章总结 | 第82-83页 |
| 第五章 基于神经网络树的面部表情分类方法研究 | 第83-96页 |
| ·引言 | 第83-84页 |
| ·神经网络树的结构 | 第84-86页 |
| ·决策树与信息增益率 | 第84-85页 |
| ·专家神经网络 | 第85-86页 |
| ·神经网络树的训练生成方法 | 第86-89页 |
| ·中间节点的优化 | 第86-89页 |
| ·训练生成神经网络树 | 第89页 |
| ·结果分析与讨论 | 第89-95页 |
| ·神经网络树的有效性 | 第89-90页 |
| ·训练结果的可理解性 | 第90-93页 |
| ·面部表情有效特征的发现与验证 | 第93-94页 |
| ·神经网络树内部结构的分析 | 第94-95页 |
| ·本章总结 | 第95-96页 |
| 第六章 总结与展望 | 第96-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-111页 |
| 附录 A 人脸特征的 Candide 编号 | 第111-112页 |
| 附录 B 变分的推导过程 | 第112-113页 |
| 附录 C 特征点间距调整算法 | 第113-115页 |
| 附录 D 质量矩阵与刚度矩阵计算公式推导证明 | 第115-118页 |
| 作者在攻读博士学位期间公开发表的论文 | 第118页 |
