| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 人脸表情识别 | 第8-12页 |
| 1.1.1 人脸表情识别研究的意义与广阔前景 | 第8-9页 |
| 1.1.2 人脸表情识别的系统及研究现状 | 第9-11页 |
| 1.1.3 研究现状及问题解决 | 第11-12页 |
| 1.2 JAFFE人脸表情数据库 | 第12-13页 |
| 1.3 本文的主要内容及组织结构 | 第13-14页 |
| 2.AAM及传统的CLM模型 | 第14-20页 |
| 2.1 AAM | 第14-15页 |
| 2.1.1 形状模型 | 第14页 |
| 2.1.2 纹理模型 | 第14页 |
| 2.1.3 统计外观建模 | 第14-15页 |
| 2.1.4 AAM拟合 | 第15页 |
| 2.2 传统的CLM模型 | 第15-20页 |
| 2.2.1 形状模型和Patch模型的构建 | 第17-18页 |
| 2.2.2 拟合过程 | 第18-20页 |
| 3 基于DMF_MEANSHIFT算法的人脸表情识别 | 第20-33页 |
| 3.1 改进的CLM模型 | 第20-25页 |
| 3.1.1 概率模型 | 第20-21页 |
| 3.1.2 正则化Mean-Shift(RLMS)拟合算法 | 第21-23页 |
| 3.1.3 正则化Mean-Shift(RLMS)拟合算法的改进 | 第23-25页 |
| 3.2 正则化MEAN-SHIFT(RLMS)拟合算法的讨论 | 第25-26页 |
| 3.2.1 相似归一化搜索 | 第25页 |
| 3.2.2 1D和2D区域搜索 | 第25页 |
| 3.2.3 使用预计算网格提升效率 | 第25-26页 |
| 3.3 支持向量机 | 第26-30页 |
| 3.3.1 支持向量机原理 | 第26-28页 |
| 3.3.2 SVM核函数 | 第28-29页 |
| 3.3.3 构建多类分类器 | 第29-30页 |
| 3.4 实验结果与分析 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 基于主成分分析的图像编码的实现 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 PCA理论基础 | 第33-34页 |
| 4.3 PCA适用于图像压缩 | 第34-36页 |
| 4.3.1 PCA算法步骤 | 第34-35页 |
| 4.3.2 图像数据转换 | 第35-36页 |
| 4.3.3 算法流程图 | 第36页 |
| 4.4 实验结果分析 | 第36-40页 |
| 4.4.1 数据信息 | 第36-37页 |
| 4.4.2 实验参数及结果 | 第37页 |
| 4.4.3 彩色图像实验结果 | 第37-38页 |
| 4.4.4 灰色图像实验结果 | 第38页 |
| 4.4.5 图像编码效果最优数据 | 第38-39页 |
| 4.4.6 原图以及在4.4.2数据下重构的图像 | 第39-40页 |
| 4.5 本章小结 | 第40-42页 |
| 5 总结与展望 | 第42-44页 |
| 5.1 本文总结 | 第42页 |
| 5.2 课题展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 附录 | 第50页 |
| A.作者在攻读学位期间发表的论文目录 | 第50页 |
