| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 表情识别发展趋势 | 第13-14页 |
| 1.3 研究内容和论文安排 | 第14-16页 |
| 第2章 人脸表情识别综述 | 第16-22页 |
| 2.1 人脸表情识别的一般框架 | 第16页 |
| 2.2 人脸表情特征提取的方法 | 第16-19页 |
| 2.2.1 静态图像特征提取方法 | 第16-18页 |
| 2.2.2 序列图像特征提取方法 | 第18-19页 |
| 2.3 人脸表情特征分类的方法 | 第19-21页 |
| 2.3.1 基于统计学习的分类方法 | 第19-20页 |
| 2.3.2 基于距离的分类方法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 图像预处理 | 第22-32页 |
| 3.1 表情数据库的介绍 | 第22页 |
| 3.2 几何归一化 | 第22-30页 |
| 3.2.1 人眼定位 | 第23-28页 |
| 3.2.2 旋转矫正及人脸的裁剪 | 第28-29页 |
| 3.2.3 尺度归一化 | 第29-30页 |
| 3.3 灰度归一化 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 改进的Gabor小波特征提取算法 | 第32-48页 |
| 4.1 Gabor小波变换 | 第32-37页 |
| 4.1.1 二维Gabor小波 | 第33-34页 |
| 4.1.2 二维Gabor滤波器组参数选择 | 第34-36页 |
| 4.1.3 基于Gabor小波变换的表情特征提取 | 第36-37页 |
| 4.2 非对称局部梯度编码算法 | 第37-41页 |
| 4.2.1 局部梯度编码算法 | 第37-39页 |
| 4.2.2 非对称局部梯度编码算法 | 第39-41页 |
| 4.3 AR-LGGC复合特征提取算法 | 第41-45页 |
| 4.3.1 AR-LGGC复合特征提取 | 第41-44页 |
| 4.3.2 PCA特征向量降维 | 第44-45页 |
| 4.4 Gabor特征融合编码算法 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于SVM分类的人脸表情识别 | 第48-63页 |
| 5.1 支持向量机 | 第48-52页 |
| 5.1.1 线性可分SVM | 第48-50页 |
| 5.1.2 非线性可分SVM | 第50-52页 |
| 5.2 SVM参数优化 | 第52-54页 |
| 5.2.1 SVM核函数的选择 | 第52页 |
| 5.2.2 SVM参数优化 | 第52-54页 |
| 5.3 实验结果与分析 | 第54-61页 |
| 5.3.1 AR-LGGC复合特征提取的人脸表情识别实验 | 第54-56页 |
| 5.3.2 Gabor融合特征提取的人脸表情识别实验 | 第56-60页 |
| 5.3.3 不同算法性能比较 | 第60-61页 |
| 5.4 人脸表情识别系统设计 | 第61-62页 |
| 5.5 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |