| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1. 绪论 | 第11-18页 |
| 1.1. 课题背景和意义 | 第11-12页 |
| 1.2. 人脸表情识别技术的国内外研究现状 | 第12-16页 |
| 1.2.1.人脸表情特征的提取 | 第12-14页 |
| 1.2.2.人脸表情特征的选取 | 第14-15页 |
| 1.2.3.人脸表情特征的分类 | 第15-16页 |
| 1.3. 论文研究的主要内容与结构安排 | 第16-18页 |
| 1.3.1.论文研究的主要内容 | 第16页 |
| 1.3.2.论文的结构安排 | 第16-18页 |
| 2. 基于遗传和改进的Pareto优化算法的二维人脸表情识别 | 第18-37页 |
| 2.1. 引言 | 第18页 |
| 2.2. 人脸表情图像的预处理 | 第18-20页 |
| 2.2.1.人脸检测 | 第18-19页 |
| 2.2.2.噪声处理 | 第19-20页 |
| 2.2.3.人脸对齐 | 第20页 |
| 2.3. Uniform LGBP人脸表情特征提取 | 第20-25页 |
| 2.3.1.Gabor人脸表情特征提取 | 第20-23页 |
| 2.3.2.LBP人脸特征提取 | 第23-25页 |
| 2.4. 基于遗传和改进的Pareto优化算法的人脸表情特征选取 | 第25-30页 |
| 2.4.1.显著图像的生成 | 第25页 |
| 2.4.2.准确率α的定义 | 第25-26页 |
| 2.4.3.基于GA算法的人脸表情特征选取 | 第26-30页 |
| 2.5. 基于改进的Pareto优化算法的人脸表情特征选取 | 第30-32页 |
| 2.6. 基于随机森林方法的人脸表情特征分类 | 第32-35页 |
| 2.7. 小结 | 第35-37页 |
| 3. 二维人脸表情识别方法在三维中的应用 | 第37-51页 |
| 3.1. 引言 | 第37页 |
| 3.2. 三维人脸形变模型 | 第37-39页 |
| 3.3. 三维人脸姿态的估计 | 第39-46页 |
| 3.3.1.三维人脸姿态的定义 | 第39-40页 |
| 3.3.2.基于双眼的三维人脸姿态的预处理 | 第40-43页 |
| 3.3.3.基于黄金标准算法的人脸姿态估计 | 第43-46页 |
| 3.4. 三维人脸形状的拟合 | 第46-48页 |
| 3.5. 基于ISOMAP的三维人脸投影到二维空间的纹理描述 | 第48-49页 |
| 3.6. 二维人脸表情算法在生成的三维人脸上的应用 | 第49-50页 |
| 3.7. 小结 | 第50-51页 |
| 4. 人脸表情识别算法的仿真与结果 | 第51-56页 |
| 4.1. 引言 | 第51页 |
| 4.2. CK+数据库的介绍 | 第51页 |
| 4.3. 在二维人脸表情识别结果的分析与比较 | 第51-53页 |
| 4.4. 基于二维识别方法的三维人脸识别结果的分析与比较 | 第53-54页 |
| 4.5. 基于二维识别方法的三维人脸识别结果的评价 | 第54页 |
| 4.6. 小结 | 第54-56页 |
| 5. 总结与展望 | 第56-59页 |
| 5.1. 总结 | 第56-57页 |
| 5.2. 展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读学位期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
