| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-12页 |
| 1 绪论 | 第12-26页 |
| ·研究意义与应用前景 | 第12-14页 |
| ·人脸表情的基本定义 | 第14-17页 |
| ·表情识别方法概述 | 第17-23页 |
| ·论文的主要研究内容 | 第23页 |
| ·论文的结构 | 第23-26页 |
| 2 基于面部运动单元的表情识别方法 | 第26-44页 |
| ·基于面部运动单元成分特征的表情识别方法 | 第27-32页 |
| ·基于面部运动单元组合特征的表情识别方法 | 第32-38页 |
| ·实验与分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 3 基于稀疏表达的分类方法 | 第44-59页 |
| ·稀疏编码原理 | 第44-45页 |
| ·基于稀疏表达的分类方法介绍 | 第45-47页 |
| ·稀疏编码在表情识别中的应用 | 第47-49页 |
| ·实验与分析 | 第49-57页 |
| ·本章小结 | 第57-59页 |
| 4 基于HOG特征与稀疏编码的表情识别方法 | 第59-70页 |
| ·HOG特征提取 | 第61-64页 |
| ·基于HOG特征的鲁棒表情识别方法 | 第64-65页 |
| ·实验与分析 | 第65-69页 |
| ·本章小结 | 第69-70页 |
| 5 基于多稀疏编码分类器融合的表情识别方法 | 第70-86页 |
| ·模拟生物视觉神经网络的表情识别模型 | 第73-75页 |
| ·提取LBP特征 | 第75-77页 |
| ·分类器组合策略 | 第77-81页 |
| ·基于多稀疏编码分类器融合的表情识别方法 | 第81页 |
| ·实验与分析 | 第81-85页 |
| ·本章小结 | 第85-86页 |
| 6 基于LBP map特征与稀疏编码的表情识别方法 | 第86-98页 |
| ·典型特征提取算法的加速方法分析 | 第86-90页 |
| ·特征选取准则 | 第90-91页 |
| ·LBP map提取 | 第91-93页 |
| ·基于LBP map的稀疏编码表情识别方法 | 第93页 |
| ·实验与分析 | 第93-97页 |
| ·本章小结 | 第97-98页 |
| 7 基于参数估计的稀疏编码在表情识别中的应用 | 第98-105页 |
| ·基于参数估计的稀疏编码求解原理 | 第98-100页 |
| ·基于参数估计的稀疏编码模型的表情识别方法 | 第100-102页 |
| ·实验与分析 | 第102-104页 |
| ·本章小结 | 第104-105页 |
| 8 结论与展望 | 第105-107页 |
| ·研究结论 | 第105-106页 |
| ·研究不足 | 第106-107页 |
| 致谢 | 第107-108页 |
| 参考文献 | 第108-115页 |
| 附录1 攻读学位期间发表的学术论文 | 第115-116页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第116-117页 |
| 附录3 攻读学位期间参与课题 | 第117页 |