基于静态图像的人脸表情识别算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·本课题研究的背景和意义 | 第8-9页 |
| ·国内外的研究现状 | 第9-12页 |
| ·特征提取方法的研究现状 | 第10-11页 |
| ·表情分类方法的研究现状 | 第11-12页 |
| ·本文的研究内容及章节安排 | 第12-14页 |
| 2 人脸检测与预处理算法 | 第14-29页 |
| ·人脸检测算法分析 | 第14-25页 |
| ·肤色分割算法 | 第14-16页 |
| ·Adaboost算法 | 第16-19页 |
| ·光照补偿法改进肤色检测 | 第19-22页 |
| ·人脸检测算法与仿真 | 第22-25页 |
| ·人脸图像的预处理 | 第25-28页 |
| ·几何归一化处理 | 第26-27页 |
| ·灰度均衡化处理 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 表情特征提取算法 | 第29-42页 |
| ·Gabor小波 | 第29-31页 |
| ·二维Gabor小波变换 | 第29-31页 |
| ·Gabor小波对人脸表情的特征提取 | 第31页 |
| ·局部方向模式 | 第31-33页 |
| ·改进的特征提取算法 | 第33-41页 |
| ·分块加权局部Gabor方向模式直方图算法 | 第34-37页 |
| ·PCA特征向量降维 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 4 人脸表情分类算法 | 第42-52页 |
| ·K近邻 | 第42-44页 |
| ·支持向量机 | 第44-48页 |
| ·最优分类面 | 第44-45页 |
| ·支持向量机算法 | 第45-47页 |
| ·SVM核函数 | 第47-48页 |
| ·KNN-SVM分类 | 第48-51页 |
| ·算法分析 | 第48-49页 |
| ·算法步骤 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 人脸表情识别算法与仿真分析 | 第52-63页 |
| ·人脸表情库与实验环境 | 第52-53页 |
| ·人脸表情识别算法 | 第53-54页 |
| ·人脸检测与预处理 | 第53-54页 |
| ·特征提取与分类 | 第54页 |
| ·参数选择与算法仿真 | 第54-62页 |
| ·二维Gabor参数选择与分析 | 第54-57页 |
| ·分块加权直方图的参数选择与分析 | 第57-58页 |
| ·PCA算法中特征维数的选择与分析 | 第58-59页 |
| ·SVM中的核函数选择与分析 | 第59-60页 |
| ·实验结果与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-64页 |
| ·总结 | 第63页 |
| ·展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
