| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-21页 |
| ·人脸面部表情识别的研究背景和意义 | 第10-11页 |
| ·人脸面部表情识的研究内容 | 第11-13页 |
| ·人脸面部表情识别的研究状况 | 第13-18页 |
| ·面部运动编码分析法 | 第14-15页 |
| ·光流分析法 | 第15页 |
| ·MPEG-4脸部运动参数法 | 第15页 |
| ·主分量分析法 | 第15页 |
| ·Fisher线性判别分析法 | 第15-16页 |
| ·局部特征分析法 | 第16页 |
| ·独立分量分析法 | 第16页 |
| ·隐马尔可夫模型法 | 第16-17页 |
| ·Adaboost机器学习方法 | 第17页 |
| ·神经网络方法 | 第17-18页 |
| ·其他方法 | 第18页 |
| ·常用人脸表情数据库 | 第18-20页 |
| ·本文的研究内容 | 第20-21页 |
| 2 表情图像的预处理 | 第21-34页 |
| ·彩色图像转化成灰度图像 | 第21-22页 |
| ·人脸检测及眼睛定位 | 第22-27页 |
| ·矩形特征及积分图像 | 第22-23页 |
| ·AdaBoost机器学习算法 | 第23-27页 |
| ·表情图像的几何预处理 | 第27-32页 |
| ·旋转 | 第27页 |
| ·剪切 | 第27-29页 |
| ·放缩 | 第29-30页 |
| ·灰度级插值 | 第30-32页 |
| ·表情图像的灰度均衡预处理 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 表情图像的特征提取 | 第34-53页 |
| ·Gabor小波变换 | 第34-38页 |
| ·小波变换的背景 | 第34-35页 |
| ·Gabor小波变换的意义 | 第35-36页 |
| ·二维 Gabor小波变换 | 第36-38页 |
| ·主成分分析 | 第38-41页 |
| ·Fisher判别分析 | 第41-45页 |
| ·PCA/LDA Fisher判别分析 | 第45-48页 |
| ·基于 Gabor小波和 PCA/LDA Fisher判别分析的表情识别方法 | 第48-50页 |
| ·实验测试 | 第50-52页 |
| ·基于 PCA/LDA Fisher线性判别分析的表情识别实验 | 第50页 |
| ·基于 Gabor小波变换和 PCA/LDA Fisher线性判别的表情识别实验 | 第50-51页 |
| ·表情识别实验的讨论 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 4 表情分类 | 第53-61页 |
| ·聚类表情模板 | 第53-57页 |
| ·聚类分析 | 第54页 |
| ·C均值动态聚类 | 第54-57页 |
| ·K近邻法 | 第57页 |
| ·基于C均值 K近邻算法的表情识别 | 第57-59页 |
| ·实验测试 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 表情识别原型系统开发 | 第61-70页 |
| ·生物识别系统简介 | 第61-63页 |
| ·表情识别原型系统的开发实现 | 第63-68页 |
| ·人脸检测和眼睛定位模块的实现 | 第64-65页 |
| ·训练模块的实现 | 第65-67页 |
| ·表情模板构造模块的实现 | 第67页 |
| ·表情图像识别模块的实现 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 附录 A 表情识别原型系统识别各种表情时的运行结果 | 第77-79页 |
| 攻读硕士学位期间发表学术论文情况 | 第79-80页 |
| 致谢 | 第80-81页 |
| 大连理工大学学位论文版权使用授权书 | 第81页 |
