基于剪切波变换的人脸表情识别技术
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 引言 | 第10-19页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究概况及发展趋势 | 第11页 |
| ·人脸表情识别技术的系统框架 | 第11-16页 |
| ·人脸检测 | 第12-13页 |
| ·人脸图像规范化 | 第13-14页 |
| ·表情特征分析 | 第14页 |
| ·表情分类方法 | 第14-16页 |
| ·表情识别系统的难点 | 第16页 |
| ·常用的人脸表情数据库介绍 | 第16-18页 |
| ·本文主要工作和章节安排 | 第18-19页 |
| 2 基于离散可分离剪切波变换的人脸表情特征提取 | 第19-44页 |
| ·剪切波的定义及离散算法 | 第19-22页 |
| ·Shearlet变换的定义和性质 | 第19-21页 |
| ·Shearlet变换的离散化 | 第21-22页 |
| ·离散可分离剪切波变换及其数值计算 | 第22-29页 |
| ·离散可分离剪切波变换(DSST) | 第22-27页 |
| ·冗余度分析 | 第27-28页 |
| ·计算复杂度 | 第28-29页 |
| ·图像的剪切波分解 | 第29-31页 |
| ·Shearlet域的图像特征分析 | 第31-40页 |
| ·图像在Shearlet域的能量分布 | 第31-35页 |
| ·图像在Shearlet域的低频与高频特征 | 第35-38页 |
| ·图像在Shearlet域的各尺度高频特征 | 第38-40页 |
| ·Shearlet域人脸表情图像特征提取 | 第40-43页 |
| ·表情图像的预处理 | 第40-42页 |
| ·Shearlet域人脸表情特征提取 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 3 基于DSST-SVM的人脸表情识别系统 | 第44-55页 |
| ·系统描述 | 第44-45页 |
| ·SVM分类器 | 第45-48页 |
| ·SVM基本原理 | 第45-47页 |
| ·SVM多分类器算法 | 第47-48页 |
| ·仿真实验及分析 | 第48-53页 |
| ·Shearlet变换尺度对识别率的影响 | 第49页 |
| ·高频分量对识别率的影响 | 第49-50页 |
| ·SVM核函数对识别率的影响 | 第50-51页 |
| ·SVM参数对识别率的影响 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 4 基于DSST-可分性分析的人脸表情识别系统 | 第55-61页 |
| ·系统描述 | 第55-56页 |
| ·人脸表情特征选择的有效性分析 | 第56-57页 |
| ·仿真实验及分析 | 第57-59页 |
| ·Shearlet变换尺度与方向的选择 | 第57-59页 |
| ·实验结果及分析 | 第59页 |
| ·本章小结 | 第59-61页 |
| 5 基于DSST-CS的人脸表情识别系统 | 第61-70页 |
| ·压缩感知(CS)理论 | 第61-65页 |
| ·信号的稀疏表示 | 第62页 |
| ·设计观测矩阵 | 第62-64页 |
| ·CS重构算法 | 第64-65页 |
| ·人脸图像的可压缩性 | 第65-66页 |
| ·基于DSST和压缩感知的人脸表情识别算法 | 第66-68页 |
| ·仿真实验及分析 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-72页 |
| ·总结 | 第70-71页 |
| ·研究展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 个人简历、在学期间发表的学术论文 | 第76-77页 |
| 致谢 | 第77页 |
