基于Gabor小波的人脸表情识别
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题的背景 | 第7-8页 |
| ·人脸表情识别技术研究的历史与发展状况 | 第8-11页 |
| ·国内外表情识别研究历史与发展状况 | 第8-10页 |
| ·表情识别存在的问题 | 第10-11页 |
| ·本文的研究内容和组织构架 | 第11-13页 |
| ·研究内容 | 第11-12页 |
| ·论文的组织构架 | 第12-13页 |
| 第二章 表情识别常用方法 | 第13-30页 |
| ·表情识别和人脸识别的区别 | 第13-14页 |
| ·表情库的建立 | 第14页 |
| ·表情特征提取常用方法 | 第14-22页 |
| ·基于几何特征的特征提取方法 | 第15-16页 |
| ·基于统计特征的特征提取方法 | 第16-19页 |
| ·基于频率域特征提取 | 第19-20页 |
| ·基于运动特征的提取 | 第20-22页 |
| ·分类识别常用方法 | 第22-28页 |
| ·线性分类器 | 第22-23页 |
| ·神经网络分类器 | 第23页 |
| ·隐马尔可夫模型 | 第23-25页 |
| ·支持向量机分类算法 | 第25-26页 |
| ·Adaboost算法分类器设计 | 第26-28页 |
| ·其他方法 | 第28页 |
| ·本文方法选择 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 表情图像的预处理 | 第30-38页 |
| ·概述 | 第30页 |
| ·预处理 | 第30页 |
| ·人脸检测 | 第30-31页 |
| ·表情图像的尺寸归一 | 第31-35页 |
| ·尺寸归一的理论和方法 | 第31-34页 |
| ·实验结果 | 第34-35页 |
| ·表情图像的灰度归一 | 第35-37页 |
| ·灰度归一的理论和方法 | 第35-36页 |
| ·实验结果 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于Gabor小波的特征提取 | 第38-46页 |
| ·Gabor小波概述 | 第38-39页 |
| ·一维Gabor小波变换 | 第39-40页 |
| ·二维Gabor小波变换 | 第40-41页 |
| ·二维Gabor滤波器组的参数设计 | 第41-43页 |
| ·Gabor滤波器实验结果和特性分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 弹性模板匹配识别 | 第46-56页 |
| ·弹性模板匹配概述 | 第46页 |
| ·表情图像网格化 | 第46-47页 |
| ·弹性模板匹配 | 第47-49页 |
| ·模板匹配算法 | 第47-48页 |
| ·表情图像的弹性模板匹配 | 第48-49页 |
| ·改进的分类识别——匹配的评估策略 | 第49-50页 |
| ·改进的弹性模板匹配算法 | 第50-51页 |
| ·实验与综合结果分析 | 第51-56页 |
| 第六章 人脸表情识别系统的设计与实现 | 第56-62页 |
| ·概述 | 第56页 |
| ·人脸表情识别系统的设计 | 第56-57页 |
| ·人脸表情识别系统的实现 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 第七章 总结与展望 | 第62-64页 |
| ·对本课题的研究总结 | 第62页 |
| ·对今后工作的展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 攻读硕士学位期间所完成的主要论文和工作 | 第69页 |
