| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题的背景及意义 | 第8-9页 |
| ·课题背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本课题主要任务 | 第12-14页 |
| 第二章 人脸检测和定位 | 第14-18页 |
| ·人脸检测与定位的意义 | 第14-15页 |
| ·人脸区域特征 | 第15页 |
| ·目标区域定位 | 第15-16页 |
| ·人脸检测与定位方法 | 第16-18页 |
| ·粗略检测人脸的位置 | 第16页 |
| ·细致匹配验证人脸区域 | 第16-18页 |
| 第三章 预处理与人脸表情特征提取方法 | 第18-24页 |
| ·表情图像预处理 | 第18-19页 |
| ·直方图均衡化 | 第18页 |
| ·图像的归一化 | 第18-19页 |
| ·光照补偿 | 第19页 |
| ·人脸表情特征提取方法 | 第19-24页 |
| ·FB-PCA 和FB-2DPCA 特征提取方法 | 第19-22页 |
| ·特征差值矩阵方法 | 第22-24页 |
| 第四章 基于 Manhattan 距离的表情分类器 | 第24-29页 |
| ·Manhattan 距离分类器 | 第24页 |
| ·实验流程与结果分析 | 第24-26页 |
| ·四种不同组合实验比较与分析 | 第26-29页 |
| ·投影维数 | 第26页 |
| ·实验环境和结果 | 第26-27页 |
| ·实验结果比较与分析 | 第27-29页 |
| 第五章 量子神经网络表情分类器 | 第29-42页 |
| ·量子神经网络模型 | 第29-32页 |
| ·训练算法 | 第32-35页 |
| ·调整量子神经网络权值的训练算法 | 第33-34页 |
| ·量子间隔调整算法 | 第34-35页 |
| ·量子神经网络用于识别的分析 | 第35-39页 |
| ·表情识别的实验分析 | 第39-42页 |
| 第六章 分类器的组合与阈值调整机制 | 第42-48页 |
| ·多级分类器识别 | 第42-44页 |
| ·分类器的串级组合 | 第42页 |
| ·实验结果与分析 | 第42-44页 |
| ·表情识别中阈值自适应调整机制 | 第44-48页 |
| ·阈值自适应调整机制 | 第44-45页 |
| ·实验结果与分析 | 第45-48页 |
| 第七章 总结与展望 | 第48-51页 |
| ·本文总结 | 第48-49页 |
| ·课题展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录：作者在攻读硕士学位期间发表的论文及项目研究 | 第57页 |