| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题来源及研究意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-19页 |
| 1.2.1 人脸检测的研究现状 | 第13-16页 |
| 1.2.2 人脸面部表情特征提取研究现状 | 第16-18页 |
| 1.2.3 人脸面部表情分类研究现状 | 第18-19页 |
| 1.3 本文主要内容和组织结构 | 第19-21页 |
| 1.3.1 本文涉及的方法和研究内容 | 第19-20页 |
| 1.3.2 本文的组织结构 | 第20-21页 |
| 第2章 表情图像预处理 | 第21-29页 |
| 2.1 引言 | 第21页 |
| 2.2 表情数据库 | 第21-22页 |
| 2.3 图像预处理 | 第22-28页 |
| 2.3.1 人脸检测 | 第22-24页 |
| 2.3.2 灰度归一化 | 第24-26页 |
| 2.3.3 几何归一化 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于改进的局部二值模式表情识别算法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 传统局部二值模式 | 第29-31页 |
| 3.3 可变邻域局部二值模式 | 第31-33页 |
| 3.4 基于改进的局部二值模式的表情识别算法 | 第33-38页 |
| 3.4.1 局部二值模式的缺点 | 第33-35页 |
| 3.4.2 改进的局部二值模式 | 第35-38页 |
| 3.4.3 OLBP 表情识别 | 第38页 |
| 3.5 实验结果及分析 | 第38-44页 |
| 3.5.1 表情图像预处理 | 第39页 |
| 3.5.2 实验设计 | 第39-40页 |
| 3.5.3 OLBP 的有效性 | 第40-41页 |
| 3.5.4 OLBP 在低分辨率时的有效性 | 第41-43页 |
| 3.5.5 OLBP 的抗噪性 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 一种改进的 Gabor 小波表情识别算法 | 第46-60页 |
| 4.1 引言 | 第46页 |
| 4.2 Gabor 小波 | 第46-49页 |
| 4.2.1 一维 Gabor 小波 | 第46-47页 |
| 4.2.2 二维 Gabor 小波 | 第47-49页 |
| 4.3 基于改进的 Gabor 小波表情识别算法 | 第49-54页 |
| 4.3.1 Gabor 表情特征提取 | 第50-52页 |
| 4.3.2 稀疏表示 | 第52-53页 |
| 4.3.3 稀疏表示降维处理 | 第53-54页 |
| 4.4 实验结果及分析 | 第54-59页 |
| 4.4.1 表情图像预处理 | 第54-55页 |
| 4.4.2 实验设计 | 第55-56页 |
| 4.4.3 SR+Gabor 的有效性 | 第56-57页 |
| 4.4.4 SR+Gabor 的抗噪性 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 基于 Curvelet 变换的表情识别算法 | 第60-76页 |
| 5.1 引言 | 第60页 |
| 5.2 Curvelet 变换 | 第60-64页 |
| 5.2.1 第一代 Curvelet 变换 | 第60-61页 |
| 5.2.2 第二代 Curvelet 变换 | 第61-64页 |
| 5.3 基于 Curvelet 变换的表情识别算法 | 第64-71页 |
| 5.3.1 算法主要步骤 | 第64页 |
| 5.3.2 Curvelet 特征提取 | 第64-68页 |
| 5.3.3 Curvelet 特征优化 | 第68-69页 |
| 5.3.4 表情识别 | 第69-71页 |
| 5.4 实验结果及分析 | 第71-75页 |
| 5.4.1 表情图像预处理 | 第71页 |
| 5.4.2 实验设计 | 第71-72页 |
| 5.4.3 Curvelet 变换有效性 | 第72-73页 |
| 5.4.4 不同样本数量的比较 | 第73-75页 |
| 5.5 本章小结 | 第75-76页 |
| 结论 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的学术论文 | 第81-82页 |
| 致谢 | 第82页 |