| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 人脸检测方法的研究现状 | 第10-12页 |
| 1.2.2 人脸表情特征提取方法的研究现状 | 第12-13页 |
| 1.2.3 人脸表情识别方法研究现状 | 第13-14页 |
| 1.3 人脸表情识别的难点 | 第14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 第2章 人脸检测 | 第15-29页 |
| 2.1 人脸图像预处理 | 第15-22页 |
| 2.1.1 人脸图像光线补偿 | 第16-20页 |
| 2.1.2 图像去噪 | 第20-22页 |
| 2.2 人脸检测 | 第22-26页 |
| 2.2.1 基于Viola-Jones (V-J)的人脸检测 | 第22-24页 |
| 2.2.2 Z-R模型人脸检测 | 第24-25页 |
| 2.2.3 基于V-J模型和Z-R模型的联合检测框架 | 第25-26页 |
| 2.3 几何归一化 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于改进的LBP和PHOG的人脸表情特征提取 | 第29-51页 |
| 3.1 基于LBP的表情特征提取 | 第29-32页 |
| 3.1.1 LBP算法及其局限性 | 第29-30页 |
| 3.1.2 LBP特征提取方法及其扩展 | 第30-32页 |
| 3.2 基于改进的LBP的人脸表情特征提取 | 第32-38页 |
| 3.2.1 改进的LBP算法原理 | 第32-36页 |
| 3.2.2 基于改进的LBP特征的人脸表情特征提取 | 第36-38页 |
| 3.3 基于PHOG的人脸表情特征提取 | 第38-42页 |
| 3.3.1 基于HOG的特征提取 | 第38-40页 |
| 3.3.2 PHOG表情特征提取 | 第40-41页 |
| 3.3.3 实验结果与分析 | 第41-42页 |
| 3.4 融合改进的LBP和PHOG的人脸表情特征提取 | 第42-49页 |
| 3.4.1 融合策略 | 第43-45页 |
| 3.4.2 基于改进的LBP和PHOG融合的表情特征 | 第45-46页 |
| 3.4.3 对比实验及结果分析 | 第46-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于改进的LBP和PHOG特征的人脸表情识别 | 第51-63页 |
| 4.1 融合特征的表情识别策略 | 第51-52页 |
| 4.2 基于概率估计模型的PLS人脸表情分类识别算法 | 第52-59页 |
| 4.2.1 偏最小二乘PLS表情分类建模 | 第52-56页 |
| 4.2.2 基于概率估计模型的PLS人脸表情分类识别算法 | 第56-59页 |
| 4.3 实验结果与分析 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-73页 |
| 致谢 | 第73页 |
