| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-28页 |
| 1.1 研究背景与意义 | 第9-15页 |
| 1.2 人脸表情识别概述 | 第15-25页 |
| 1.2.1 人脸表情识别研究现状 | 第15-17页 |
| 1.2.2 人脸表情识别框架 | 第17-18页 |
| 1.2.3 常用表情特征提取方法 | 第18-23页 |
| 1.2.4 常用人脸表情分类方法 | 第23-25页 |
| 1.2.5 表情识别研究中存在的难题 | 第25页 |
| 1.3 研究内容与目标 | 第25-26页 |
| 1.4 论文组织结构 | 第26-28页 |
| 第2章 基于集成Gabor特征的稀疏人脸表情识别算法 | 第28-39页 |
| 2.1 传统Gabor特征提取方法存在的问题 | 第28-29页 |
| 2.2 算法整体流程设计 | 第29-30页 |
| 2.3 人脸表情图片来源介绍 | 第30页 |
| 2.4 图像预处理 | 第30-38页 |
| 2.4.1 Adaboost人脸检测算法 | 第31-38页 |
| 2.4.2 归一化处理 | 第38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于集成Gabor特征的表情特征提取方法 | 第39-49页 |
| 3.1 Gabor小波变换 | 第39-42页 |
| 3.1.1 Gabor小波概述 | 第39-41页 |
| 3.1.2 Gabor滤波器的设计与实现 | 第41-42页 |
| 3.2 Gabor特征集成 | 第42-47页 |
| 3.2.1 均值融合 | 第42-44页 |
| 3.2.2 差分二值编码 | 第44-47页 |
| 3.3 基于表情识别贡献系数的特征选择方法 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 基于稀疏表示的表情识别方法 | 第49-61页 |
| 4.1 稀疏表示的理论基础 | 第49-56页 |
| 4.1.1 稀疏表示的求解特性 | 第49-52页 |
| 4.1.2 L1优化问题的求解方法 | 第52-56页 |
| 4.2 稀疏表示分类器 | 第56-60页 |
| 4.2.1 过完备字典构建 | 第56-57页 |
| 4.2.2 稀疏系数求解 | 第57-60页 |
| 4.2.3 表情识别结果 | 第60页 |
| 4.3 本章小结 | 第60-61页 |
| 第5章 实验结果与分析 | 第61-71页 |
| 5.1 实验说明 | 第61-62页 |
| 5.2 实验结果与分析 | 第62-70页 |
| 5.2.1 图像预处理 | 第62页 |
| 5.2.2 表情特征提取 | 第62-65页 |
| 5.2.3 特征选择方案对比 | 第65-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第6章 结论 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 在学研究成果 | 第76-77页 |
| 致谢 | 第77页 |