基于Gabor特征的BC编码人脸表情识别
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.1.1 表情识别研究背景 | 第14-15页 |
| 1.1.2 表情识别研究意义与前景 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 本文所需解决的问题 | 第18页 |
| 1.4 本文研究内容与论文结构 | 第18-21页 |
| 1.4.1 本文研究内容 | 第18-19页 |
| 1.4.2 论文结构 | 第19-21页 |
| 第二章 人脸表情识别经典方法 | 第21-27页 |
| 2.1 引言 | 第21页 |
| 2.2 人脸表情识别系统模块与功能 | 第21-22页 |
| 2.2.1 人脸表情识别系统模块 | 第21页 |
| 2.2.2 系统模块功能 | 第21-22页 |
| 2.3 图像特征提取经典算法 | 第22-24页 |
| 2.3.1 基于几何模型特征提取 | 第22-23页 |
| 2.3.2 基于统计理论特征提取 | 第23页 |
| 2.3.3 基于频域特征提取 | 第23-24页 |
| 2.3.4 基于运动信息特征提取 | 第24页 |
| 2.4 模式识别经典算法 | 第24-26页 |
| 2.4.1 支持向量机分类器 | 第24页 |
| 2.4.2 BP神经网络分类器 | 第24-25页 |
| 2.4.3 HMM分类器 | 第25页 |
| 2.4.4 K近邻分类器 | 第25-26页 |
| 2.4.5 贝叶斯模型分类器 | 第26页 |
| 2.5 小结 | 第26-27页 |
| 第三章 基于小波分解图像预处理 | 第27-36页 |
| 3.1 常用表情数据库 | 第27-30页 |
| 3.2 表情图像预处理 | 第30-33页 |
| 3.2.1 姿态纠正 | 第30-31页 |
| 3.2.2 人脸剪切 | 第31-32页 |
| 3.2.3 尺度归一化 | 第32页 |
| 3.2.4 直方图均衡 | 第32-33页 |
| 3.3 小波分解图像处理 | 第33-34页 |
| 3.4 实验结果与分析 | 第34-35页 |
| 3.5 小结 | 第35-36页 |
| 第四章 基于Gabor特征的BC编码特征提取 | 第36-46页 |
| 4.1 引言 | 第36-37页 |
| 4.2 Gabor小波变换 | 第37-40页 |
| 4.2.1 Gabor小波变换基本原理 | 第37-39页 |
| 4.2.2 Gabor表情图 | 第39-40页 |
| 4.3 基于Gabor特征图BC编码 | 第40-43页 |
| 4.4 局部梯度方向直方图 | 第43-45页 |
| 4.5 小结 | 第45-46页 |
| 第五章 基于SVM人脸表情识别 | 第46-60页 |
| 5.1 引言 | 第46页 |
| 5.2 统计机器学习 | 第46-49页 |
| 5.2.1 函数VC维 | 第47页 |
| 5.2.2 结构风险最小化 | 第47-49页 |
| 5.3 支持向量机 | 第49-53页 |
| 5.3.1 logistic回归 | 第49-50页 |
| 5.3.2 最优分类超平面 | 第50-51页 |
| 5.3.3 常用核函数特点 | 第51-52页 |
| 5.3.4 多分类SVM | 第52-53页 |
| 5.4 实验部分 | 第53-59页 |
| 5.5 小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-68页 |
