| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·表情识别的研究背景 | 第9-12页 |
| ·表情识别的应用领域 | 第12-14页 |
| ·人机交互领域 | 第12页 |
| ·安全领域 | 第12-13页 |
| ·机器人制造领域 | 第13页 |
| ·医疗领域 | 第13页 |
| ·通信领域 | 第13-14页 |
| ·汽车领域 | 第14页 |
| ·本论文的研究框架 | 第14-16页 |
| ·本文的研究出发点 | 第14页 |
| ·本文所做的工作 | 第14页 |
| ·本文的篇章结构 | 第14-16页 |
| 第2章 表情识别技术的研究现状 | 第16-24页 |
| ·人脸表情识别系统 | 第16页 |
| ·人脸表情的特征提取方法 | 第16-18页 |
| ·主要具体算法描述 | 第18-21页 |
| ·人脸表情的分类方法 | 第21-23页 |
| ·空间分析的方法 | 第21-22页 |
| ·空时分析的方法 | 第22-23页 |
| ·人脸表情数据库及算法比较 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 基于Gabor滤波和类内PCA的人脸表情识别 | 第24-36页 |
| ·引言 | 第24页 |
| ·预处理 | 第24-25页 |
| ·特征提取 | 第25-27页 |
| ·Gabor滤波函数 | 第25-26页 |
| ·特征提取 | 第26-27页 |
| ·特征选择——类内PCA | 第27-30页 |
| ·传统PCA简述 | 第28页 |
| ·类内PCA | 第28-30页 |
| ·类内PCA算法 | 第30页 |
| ·C均值分类 | 第30-32页 |
| ·实验结果 | 第32-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于特征融合的表情识别 | 第36-49页 |
| ·图像融合概述 | 第36-38页 |
| ·角度变化特征和Gabor小波特征相融合 | 第38-44页 |
| ·基于角度变化的人脸表情关键部位几何特征 | 第39-41页 |
| ·Gabor特征+类内PCA | 第41-42页 |
| ·融合分类 | 第42-44页 |
| ·实验结果 | 第44-48页 |
| ·实验过程 | 第44-45页 |
| ·实验结果分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-50页 |
| ·总结 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间参加的科研项目和成果 | 第56页 |