| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 符号说明 | 第14-15页 |
| 第一章 绪论 | 第15-25页 |
| ·人脸表情识别技术介绍 | 第15-20页 |
| ·人脸表情识别的研究背景 | 第15-17页 |
| ·人脸表情识别的研究现状 | 第17-18页 |
| ·人脸表情识别的研究难点和发展趋势 | 第18-20页 |
| ·主流表情数据库介绍 | 第20-22页 |
| ·课题研究目的和意义 | 第22-23页 |
| ·本文的篇章结构 | 第23-25页 |
| 第二章 人脸表情识别分析 | 第25-39页 |
| ·表情识别框架 | 第25页 |
| ·人脸检测方法 | 第25-27页 |
| ·基于几何特征的人脸检测方法 | 第25-26页 |
| ·基于相关匹配的人脸检测方法 | 第26页 |
| ·基于子空间的人脸检测方法 | 第26页 |
| ·基于统计的人脸检测方法 | 第26-27页 |
| ·图像的预处理 | 第27-29页 |
| ·几何预处理 | 第27-28页 |
| ·直方图均衡化 | 第28-29页 |
| ·表情特征提取 | 第29-36页 |
| ·基于几何特征的提取方法 | 第29-30页 |
| ·基于整体的提取方法 | 第30-31页 |
| ·基于运动特征的提取方法 | 第31-36页 |
| ·表情分类算法 | 第36-38页 |
| ·K-近邻分类法 | 第36-37页 |
| ·基于支持向量机的分类方法 | 第37-38页 |
| ·基于神经网络的分类方法 | 第38页 |
| ·基于隐马尔科夫模型的分类方法 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第三章 独立成分分析基本理论及其应用于表情识别 | 第39-52页 |
| ·随机变量的统计独立性 | 第39-40页 |
| ·独立成分分析的定义 | 第40-41页 |
| ·独立成分分析(ICA)的模型 | 第40页 |
| ·ICA的基本假定与不确定性 | 第40-41页 |
| ·独立成分分析的独立性判据 | 第41-46页 |
| ·非高斯最大化判据 | 第42-44页 |
| ·互信息最小化判据 | 第44-45页 |
| ·极大似然判据 | 第45-46页 |
| ·独立成分分析的预处理 | 第46-47页 |
| ·中心化 | 第46页 |
| ·白化 | 第46-47页 |
| ·FastICA算法 | 第47-49页 |
| ·基于ICA的人脸表情识别 | 第49-51页 |
| ·JAFFE表情库图像的预处理 | 第49-50页 |
| ·表情图像ICA模型 | 第50-51页 |
| ·实验结果及分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于Gabor变换和FastICA的人脸表情识别方法 | 第52-59页 |
| ·Gabor变换和FastICA理论基础 | 第52-55页 |
| ·Gabor变换 | 第52-54页 |
| ·独立成分分析 | 第54-55页 |
| ·k-近邻分类器 | 第55页 |
| ·仿真实验 | 第55-56页 |
| ·实验结果 | 第56-58页 |
| ·方案一 | 第56-57页 |
| ·方案二 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 附录 | 第61-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 已发表论文 | 第70-71页 |
| 学位论文评阅及答辩情况表 | 第71页 |