| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 表情识别的研究背景和意义 | 第10-11页 |
| 1.2 表情识别的研究现状 | 第11-14页 |
| 1.2.1 可见光表情识别研究现状 | 第11-13页 |
| 1.2.2 红外表情识别研究现状 | 第13页 |
| 1.2.3 融合可见光与红外图像的表情识别研究现状 | 第13-14页 |
| 1.3 本文研究目标和主要研究工作 | 第14-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第2章 人脸检测与人脸图像预处理 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 基于Haar特征与AdaBoost算法的可见光人脸检测 | 第17-20页 |
| 2.2.1 Haar特征的提取 | 第17-18页 |
| 2.2.2 AdaBoost算法 | 第18-20页 |
| 2.2.3 可见光人脸检测 | 第20页 |
| 2.3 基于积分投影与方差投影的红外人脸检测 | 第20-24页 |
| 2.3.1 投影函数 | 第20-21页 |
| 2.3.2 基于IPF与VPF的红外图像人脸分割的实现 | 第21-24页 |
| 2.4 图像预处理 | 第24-27页 |
| 2.4.1 图像增强 | 第24-26页 |
| 2.4.2 图像归一化 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 特征提取方法与分类器设计 | 第28-41页 |
| 3.1 引言 | 第28页 |
| 3.2 特征提取 | 第28-36页 |
| 3.2.1 局部二值化模式 | 第28-31页 |
| 3.2.2 局部方向模式 | 第31-33页 |
| 3.2.3 局部相位量化 | 第33-36页 |
| 3.3 支持向量机 | 第36-38页 |
| 3.4 三类表情识别实验 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于对比度金字塔分解的可见光与红外图像融合的笑脸识别 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 算法描述 | 第41-46页 |
| 4.2.1 图像配准 | 第42-43页 |
| 4.2.2 基于对比度金字塔分解的红外与可见光图像融合 | 第43-46页 |
| 4.3 实验结果与分析 | 第46-47页 |
| 4.4 本章总结 | 第47-48页 |
| 第5章 融合可见光LBP特征与红外LBP特征的三类表情识别 | 第48-57页 |
| 5.1 引言 | 第48页 |
| 5.2 算法描述 | 第48-51页 |
| 5.2.1 特征提取 | 第49-50页 |
| 5.2.2 特征融合 | 第50-51页 |
| 5.2.3 分类识别 | 第51页 |
| 5.2.4 算法步骤 | 第51页 |
| 5.3 实验结果与分析 | 第51-56页 |
| 5.4 本章总结 | 第56-57页 |
| 第6章 基于多特征与多分类器融合的三类表情识别 | 第57-62页 |
| 6.1 引言 | 第57页 |
| 6.2 算法描述 | 第57-59页 |
| 6.2.1 特征提取与分类器的训练 | 第57-58页 |
| 6.2.2 决策判决 | 第58-59页 |
| 6.3 实验结果与分析 | 第59-61页 |
| 6.4 本章总结 | 第61-62页 |
| 第7章 总结与展望 | 第62-64页 |
| 7.1 本文工作总结 | 第62-63页 |
| 7.2 本文的不足与展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间取得的学术成果 | 第68-69页 |
| 致谢 | 第69-70页 |
