| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 相关进展 | 第10-11页 |
| 1.2.2 人脸表情识别技术的难点 | 第11-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第2章 人脸表情识别的理论与基础 | 第15-21页 |
| 2.1 人脸表情识别的一般框架 | 第15页 |
| 2.2 表情图像获取 | 第15-17页 |
| 2.3 人脸检测与预处理 | 第17页 |
| 2.4 表情特征提取 | 第17页 |
| 2.5 表情分类 | 第17-18页 |
| 2.6 本章小结 | 第18-21页 |
| 第3章 人脸表情图像预处理 | 第21-29页 |
| 3.1 表情图像灰度归一化 | 第21-22页 |
| 3.2 基于眼球定位的人脸检测 | 第22-25页 |
| 3.2.1 图像二值化 | 第23页 |
| 3.2.2 基于灰度积分投影的眼球定位 | 第23-25页 |
| 3.3 表情图像几何归一化 | 第25-28页 |
| 3.3.1 图像旋转 | 第25页 |
| 3.3.2 人脸表情区域的剪裁 | 第25-27页 |
| 3.3.3 尺寸归一化 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 基于Gabor小波变换与LBP直方图序列结合的人脸表情识别 | 第29-43页 |
| 4.1 基于Gabor小波变换的特征融合 | 第29-34页 |
| 4.1.1 一维Gabor变换 | 第29-30页 |
| 4.1.2 二维的Gabor滤波器与其特征提取 | 第30页 |
| 4.1.3 Gabor小波滤波器在特征提取中的应用 | 第30-31页 |
| 4.1.4 人脸面部表情图像的Gabor参数选择 | 第31-33页 |
| 4.1.5 基于改进的Gabor小波的表情图像处理 | 第33-34页 |
| 4.2 基于局部二值模式直方图的表情特征提取 | 第34-38页 |
| 4.2.1 局部二值模式（LBP）基本算子 | 第34-35页 |
| 4.2.2 LBP改进版 | 第35-37页 |
| 4.2.3 LBP在人脸表情识别中的改进算法 | 第37-38页 |
| 4.3 直方图加权分块处理 | 第38-39页 |
| 4.4 基于Gabor小波变换与LBP直方图序列的特征提取方法 | 第39-40页 |
| 4.5 本章小结 | 第40-43页 |
| 第5章 人脸表情识别系统的设计与实现 | 第43-55页 |
| 5.1 软件设计方案 | 第43-45页 |
| 5.1.1 功能描述 | 第43-44页 |
| 5.1.2 总体算法流程 | 第44-45页 |
| 5.2 开发环境与样本 | 第45-46页 |
| 5.2.1 开发环境 | 第45页 |
| 5.2.2 MATLAB | 第45-46页 |
| 5.2.3 实验数据样本选取 | 第46页 |
| 5.3 主要功能详细设计 | 第46-51页 |
| 5.3.1 主界面设计 | 第46-47页 |
| 5.3.2 表情图像预处理 | 第47页 |
| 5.3.3 表情特征提取 | 第47-49页 |
| 5.3.4 表情识别 | 第49-51页 |
| 5.4 实验结果与分析 | 第51-53页 |
| 5.5 本章小结 | 第53-55页 |
| 结论 | 第55-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-65页 |
| 个人简历 | 第65页 |
