| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·表情识别的研究意义 | 第8页 |
| ·表情识别研究概述 | 第8-15页 |
| ·表情识别的一般计算模型 | 第8-10页 |
| ·表情识别研究历史与现状 | 第10-13页 |
| ·表情识别的难点 | 第13-14页 |
| ·主要表情数据库介绍 | 第14-15页 |
| ·本文的主要研究工作 | 第15页 |
| ·表情特征提取 | 第15页 |
| ·前向神经网络的学习算法 | 第15页 |
| ·本文的结构安排 | 第15-16页 |
| 第二章 表情特征提取算法 | 第16-31页 |
| ·主动轮廓模型(ACTIVE CONTOUR MODEL, ACM) | 第16-19页 |
| ·Snake 的数学模型 | 第16-17页 |
| ·Snake 模型的实现与改进 | 第17页 |
| ·Snake 模型的应用 | 第17-18页 |
| ·Snake 模型的定位结果与讨论 | 第18-19页 |
| ·主动形状模型(ACTIVE SHAPE MODEL, ASM) | 第19-27页 |
| ·特征点的标定(点分布模型,PDM) | 第19-20页 |
| ·相似性变换 | 第20-22页 |
| ·统计模型的建立 | 第22-24页 |
| ·基于灰度匹配的搜索算法 | 第24-25页 |
| ·多分辨率框架(MRASM) | 第25-26页 |
| ·计算形状参数 | 第26-27页 |
| ·主动表观模型(ACTIVE APPEARANCE MODELS , AAM) | 第27-29页 |
| ·统计形状模型的建立 | 第27页 |
| ·统计纹理模型的建立 | 第27-28页 |
| ·利用主动表观模型进行定位 | 第28-29页 |
| ·GABOR 小波变换 | 第29-30页 |
| ·光流模型 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 ASM 算法分析与改进 | 第31-40页 |
| ·ASM 的实现与性能分析 | 第31-36页 |
| ·训练样本的获取及预处理 | 第31-32页 |
| ·统计信息的获得 | 第32-34页 |
| ·基于灰度匹配的ASM 搜索 | 第34页 |
| ·不同初试位置对ASM 的影响 | 第34-35页 |
| ·形状参数对ASM 的影响 | 第35-36页 |
| ·改进ASM 算法 | 第36-39页 |
| ·基于点轮廓检测法的表情特征预定位 | 第36-37页 |
| ·局部纹理模型构建的新方法 | 第37-38页 |
| ·基于改进ASM 的搜索过程 | 第38-39页 |
| ·ASM 算法讨论 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于改进人工鱼群算法的RBF 神经网络 | 第40-53页 |
| ·人工鱼群算法 | 第40-41页 |
| ·算法简介 | 第40页 |
| ·人工鱼行为描述 | 第40-41页 |
| ·各参数对收敛性能的影响 | 第41-45页 |
| ·改进的人工鱼群算法 | 第45-46页 |
| ·最佳步长 | 第45页 |
| ·改进的觅食行为 | 第45-46页 |
| ·实验结果与分析 | 第46-48页 |
| ·基于改进人工鱼群算法的RBF 网络学习过程 | 第48-52页 |
| ·RBF 神经网络 | 第48-50页 |
| ·算法结构及行为描述 | 第50-51页 |
| ·RBF 网络的训练 | 第51-52页 |
| ·实验结果与分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于改进ASM 与RBF 网络的人脸表情识别 | 第53-59页 |
| ·面部动作编码系统(FACIAL ACTION CODING SYSTEM,FACS) | 第53-56页 |
| ·FACS 介绍 | 第53-54页 |
| ·运动单元的计算 | 第54-56页 |
| ·基于改进ASM 与RBF 网络的人脸表情识别 | 第56-58页 |
| ·实验结果分析 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| ·总结 | 第59页 |
| ·展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录：作者在攻读硕士学位期间完成的论文 | 第66页 |
