基于面部图像分块处理的表情识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 面部表情识别技术发展现状 | 第13-16页 |
| 1.2.1 表情特征提取 | 第13-16页 |
| 1.2.2 表情特征识别 | 第16页 |
| 1.3 本文的主要内容和创新点 | 第16-17页 |
| 1.4 本文的结构安排 | 第17-18页 |
| 第二章 基于多通道特征的人脸检测方法 | 第18-36页 |
| 2.1 引言 | 第18页 |
| 2.2 图像预处理 | 第18-22页 |
| 2.2.1 图像对比度和亮度增强 | 第18-19页 |
| 2.2.2 图像直方图均衡 | 第19-20页 |
| 2.2.3 图像双边滤波处理 | 第20-22页 |
| 2.2.3.1 空间邻近度因子的设计 | 第21页 |
| 2.2.3.2 改进的滤波方式 | 第21页 |
| 2.2.3.3 自适应参数 σ 的设计 | 第21-22页 |
| 2.2.3.4 实验结果 | 第22页 |
| 2.3 人脸检测 | 第22-34页 |
| 2.3.1 Adaboost目标检测算法 | 第23-24页 |
| 2.3.2 多通道特征目标检测算法 | 第24页 |
| 2.3.3 改进的多通道特征人脸检测方法 | 第24-31页 |
| 2.3.3.1 多通道特征 | 第25-27页 |
| 2.3.3.2 弱分类器训练 | 第27-29页 |
| 2.3.3.3 弱分类器的级联 | 第29-30页 |
| 2.3.3.4 人脸检测增强处理 | 第30-31页 |
| 2.3.4 实验与分析 | 第31-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第三章 面部表情全局特征提取及识别方法 | 第36-55页 |
| 3.1 面部表情特征提取简介 | 第36-38页 |
| 3.2 全局特征提取方法基础 | 第38-39页 |
| 3.3 改进的弹性图匹配算法 | 第39-47页 |
| 3.3.1 特征点的选择 | 第39-41页 |
| 3.3.2 特征矢量的提取 | 第41-44页 |
| 3.3.3 匹配识别阶段的改进 | 第44-47页 |
| 3.4 实验与分析 | 第47-54页 |
| 3.4.1 实验背景及数据库介绍 | 第47-48页 |
| 3.4.2 实验结果 | 第48-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 面部表情局部特征提取及识别方法 | 第55-73页 |
| 4.1 引言 | 第55页 |
| 4.2 局部特征提取方法基础 | 第55-59页 |
| 4.3 改进的LDP算法 | 第59-65页 |
| 4.3.1 分块图像处理 | 第59-60页 |
| 4.3.2 SLDP算法 | 第60-62页 |
| 4.3.3 MLDP算法 | 第62-65页 |
| 4.4 实验与分析 | 第65-72页 |
| 4.4.1 实验设计 | 第65页 |
| 4.4.2 实验结果 | 第65-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 面部表情识别系统设计 | 第73-77页 |
| 5.1 软硬件开发环境 | 第73页 |
| 5.1.1 硬件平台介绍 | 第73页 |
| 5.1.2 软件平台介绍 | 第73页 |
| 5.2 界面设计 | 第73-74页 |
| 5.3 演示效果展示 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 未来展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间取得的成果 | 第84-85页 |
