| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·国内外的研究现状 | 第9-10页 |
| ·人脸表情的分类与特点 | 第10页 |
| ·人脸表情的系统框架 | 第10-14页 |
| ·人脸检测与预处理 | 第10-12页 |
| ·特征提取方法 | 第12-13页 |
| ·表情分类方法 | 第13-14页 |
| ·人脸表情数据库简介 | 第14-15页 |
| ·本文的主要工作及章节安排 | 第15-16页 |
| ·论文主要工作 | 第15页 |
| ·论文章节安排 | 第15-16页 |
| 2 人脸检测与预处理 | 第16-24页 |
| ·基于级联的 AdaBoost 人脸检测方法 | 第16-21页 |
| ·Haar- like 特征的计算 | 第16-18页 |
| ·Adaboost 算法 | 第18-20页 |
| ·级联的 Adaboost 分类器 | 第20页 |
| ·检测结果 | 第20-21页 |
| ·人脸表情图像的预处理 | 第21-23页 |
| ·图像的角度归一化 | 第21-22页 |
| ·图像的裁剪与尺度归一化 | 第22页 |
| ·图像的灰度归一化 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 基于 Gabor 小波与 LBP 融合的表情特征提取 | 第24-35页 |
| ·Gabor 小波变换 | 第24-27页 |
| ·Gabor 小波 | 第24页 |
| ·二维 Gabor 小波 | 第24-26页 |
| ·Gabor 滤波器特性 | 第26-27页 |
| ·表情图像的 Gabor 特征表示 | 第27页 |
| ·局部二元模式(LBP) | 第27-31页 |
| ·基本的 LBP | 第28页 |
| ·扩展的 LBP | 第28-29页 |
| ·LBP 的应用 | 第29-30页 |
| ·局部 Gabor 二值模式(LGBP)的特征提取 | 第30-31页 |
| ·基于 LGBP 人脸表示的 LPP 特征降维研究 | 第31-33页 |
| ·直方图相似性度量的方法 | 第31-32页 |
| ·局部保全投影(LPP)的基本理论 | 第32页 |
| ·基于 LGBP 特征提取的 LPP 降维算法 | 第32-33页 |
| ·实验分析 | 第33-34页 |
| ·实验参数选择 | 第33-34页 |
| ·实验结果分析 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 基于 SVM 和 K 近邻的分类器设计 | 第35-45页 |
| ·支持向量机(SVM)基本理论 | 第35-40页 |
| ·线性可分情况 | 第35-37页 |
| ·线性不可分情况 | 第37页 |
| ·支持向量机 | 第37-38页 |
| ·核函数 | 第38-39页 |
| ·SVM 分类器的设计 | 第39-40页 |
| ·K 近邻分类方法 | 第40-41页 |
| ·K 近邻的基本原理 | 第40-41页 |
| ·K 近邻的基本要素 | 第41页 |
| ·改进的分类方法 | 第41-44页 |
| ·改进的分类算法思想 | 第41-42页 |
| ·算法步骤 | 第42-43页 |
| ·算法分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 5 人脸表情识别系统的实现和实验结果 | 第45-51页 |
| ·人脸表情识别系统的设计 | 第45-47页 |
| ·系统流程图 | 第45页 |
| ·静态人脸图像的获取 | 第45-46页 |
| ·人脸检测与预处理 | 第46页 |
| ·特征提取 | 第46页 |
| ·分类方法 | 第46-47页 |
| ·人脸表情识别系统的实现 | 第47-50页 |
| ·系统环境 | 第47-48页 |
| ·实验结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| ·全文总结 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-56页 |
