| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 人脸表情驱动方法 | 第10-12页 |
| 1.2.2 超图学习 | 第12-13页 |
| 1.3 人脸表情驱动的发展趋势 | 第13-14页 |
| 1.3.1 传统的人脸表情驱动方法 | 第13页 |
| 1.3.2 基于流形学习的人脸表情驱动 | 第13-14页 |
| 1.4 本文研究的内容 | 第14页 |
| 1.5 论文结构 | 第14-16页 |
| 第二章 人脸表情驱动方法 | 第16-29页 |
| 2.1 基于几何学的方法 | 第16-19页 |
| 2.1.1 散点插值方法 | 第16-18页 |
| 2.1.2 参数化方法 | 第18-19页 |
| 2.2 基于图像的方法 | 第19-23页 |
| 2.2.1 自动化人脸行为编码系统 | 第19-22页 |
| 2.2.2 MPEG-4 方法 | 第22-23页 |
| 2.3 拉普拉斯方法 | 第23-24页 |
| 2.4 基于半监督局部小块排列的人脸驱动方法 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 超图学习及其应用 | 第29-41页 |
| 3.1 超图 | 第29-30页 |
| 3.2 普通图的拉普拉斯矩阵 | 第30-32页 |
| 3.3 超图拉普拉斯学习方法 | 第32-35页 |
| 3.3.1 基于星形展开的超图拉普拉斯学习方法 | 第32-33页 |
| 3.3.2 基于团体展开的超图拉普拉斯学习方法 | 第33-34页 |
| 3.3.3 基于Bolla’s的超图拉普拉斯学习方法 | 第34页 |
| 3.3.4 自适应超图学习方法 | 第34-35页 |
| 3.4 超图学习的应用 | 第35-40页 |
| 3.4.1 归一化的超图切割和超图聚类 | 第35-37页 |
| 3.4.2 基于超图的分类 | 第37-39页 |
| 3.4.3 直推式学习 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 超图在人脸表情驱动中的应用 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 相关背景知识 | 第41-42页 |
| 4.2.1 人脸表情驱动 | 第41-42页 |
| 4.2.2 流形学习 | 第42页 |
| 4.3 实验设计 | 第42-45页 |
| 4.3.1 人脸模型的建模 | 第43页 |
| 4.3.2 超图及拉普拉斯排列矩阵 | 第43-45页 |
| 4.3.3 目标函数 | 第45页 |
| 4.4 实验结果分析 | 第45-49页 |
| 4.4.1 运动数据的选取 | 第46-47页 |
| 4.4.2 正则化参数的选择 | 第47页 |
| 4.4.3 实验对比分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 全文总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录 | 第58-59页 |
| 详细摘要 | 第59-62页 |