| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题背景及研究意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·人脸表情识别基本流程与本文方案 | 第13-15页 |
| ·论文主要研究工作及组织结构 | 第15-17页 |
| 第2章 人脸表情识别基础理论 | 第17-31页 |
| ·人脸表情数据库简介 | 第17-19页 |
| ·人脸表情图像预处理 | 第19-23页 |
| ·图像去噪 | 第20-21页 |
| ·灰度预处理 | 第21-22页 |
| ·尺度预处理 | 第22页 |
| ·其他预处理的方法 | 第22-23页 |
| ·人脸表情图像特征提取 | 第23-27页 |
| ·基于几何特征的方法 | 第24页 |
| ·基于统计特征的方法 | 第24-26页 |
| ·基于频率特征的方法 | 第26-27页 |
| ·人脸表情图像分类算法 | 第27-30页 |
| ·线性分类方法 | 第28页 |
| ·基于人工神经网络的分类方法 | 第28-29页 |
| ·支持向量机（SVM）的分类方法 | 第29-30页 |
| ·最近邻分类方法 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第3章 人脸表情特征提取算法研究 | 第31-46页 |
| ·Gabor 特征提取 | 第31-35页 |
| ·Gabor 滤波器参数选择 | 第31-33页 |
| ·Gabor 表情特征提取实例分析 | 第33-35页 |
| ·2DPCA+LBP 算法降维 | 第35-38页 |
| ·2DPCA 算法 | 第35-37页 |
| ·LBP 算法原理与实例分析 | 第37-38页 |
| ·粒子群优化算法 | 第38-43页 |
| ·粒子群优化算法介绍 | 第38-39页 |
| ·粒子群优化算法基本概念 | 第39-40页 |
| ·粒子群优化算法原理 | 第40页 |
| ·粒子群优化算法流程与实例分析 | 第40-43页 |
| ·基于 Gabor+2DPCA+LBP+PSO 组合策略的特征提取 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 构建 BP 神经网络分类器 | 第46-60页 |
| ·分类器 BP 的理论基础 | 第46-53页 |
| ·BP 网络模型结构 | 第46-47页 |
| ·BP 学习规则 | 第47-51页 |
| ·BP 算法的收敛性 | 第51-52页 |
| ·BP 网络的限制 | 第52-53页 |
| ·构建 BP 神经网络分类器 | 第53-59页 |
| ·网络模型的确定 | 第54-56页 |
| ·分类器的训练与实例分析 | 第56-58页 |
| ·分类器性能的评价 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 仿真实验与结果分析 | 第60-72页 |
| ·仿真实验目的与方案 | 第60页 |
| ·仿真实验准备 | 第60-63页 |
| ·实验环境 | 第60-61页 |
| ·实验工具简介 | 第61页 |
| ·表情图像预处理 | 第61-63页 |
| ·本文算法的仿真 | 第63-69页 |
| ·实验数据 | 第63-64页 |
| ·实验步骤 | 第64-65页 |
| ·实验结果与分析 | 第65-69页 |
| ·不同特征提取算法的对比试验 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-75页 |
| ·全文总结 | 第72-73页 |
| ·展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78页 |