首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

笑脸表情分类识别的研究

摘要第1-7页
ABSTRACT第7-13页
第一章 绪论第13-22页
   ·研究背景和意义第14-20页
     ·研究背景第14-19页
     ·研究意义与应用领域第19-20页
   ·本文研究内容及组织结构第20-21页
     ·本文研究内容第20页
     ·本文的组织结构第20-21页
   ·本章小结第21-22页
第二章 笑脸表情分类识别的研究现状第22-48页
   ·引言第22页
   ·常用人脸表情数据库第22-25页
   ·国内外研究的现状第25-36页
     ·笑脸图像第27页
     ·预处理第27-29页
     ·图像的描述第29-33页
     ·特征提取第33-35页
     ·特征融合与分类识别第35-36页
   ·笑脸表情分类的主要理论第36-46页
     ·统计学习理论第36-37页
     ·Haar-Like 特征第37-40页
     ·AdaBoost 算法第40-41页
     ·支持向量机第41-43页
     ·流形学习理论简介第43-46页
   ·笑脸表情分类的难点第46页
   ·笑脸表情分类的发展方向第46-47页
   ·本章小结第47-48页
第三章 基于 GABOR 小波变换和 PHOG 的笑脸表情特征提取第48-74页
   ·引言第48页
   ·二维GABOR 小波变换第48-51页
     ·二维Gabor 小波函数第48-50页
     ·二维Gabor 小波变换第50-51页
   ·GABOR 笑脸表情特征提取第51-54页
     ·Gabor 笑脸表情特征提取第51-52页
     ·Gabor 滤波器组的设计第52-53页
     ·Gabor 滤波器组计算复杂度分析第53-54页
   ·金字塔梯度方向直方图第54-65页
     ·图像金字塔技术简介第54-56页
     ·梯度方向直方图第56-63页
     ·金字塔梯度方向直方图第63-65页
   ·实验第65-73页
     ·实验数据第65页
     ·特征提取第65-66页
     ·特征选择及分类器设计第66-72页
     ·实验结果第72-73页
   ·本章小结第73-74页
第四章 基于生物启发模型的笑脸表情特征提取第74-97页
   ·引言第74页
   ·生物启发模型第74-82页
     ·BIM 模型各层之间的关联第74-76页
     ·BIM 特征提取过程第76-79页
     ·BIM 模型复杂度分析第79页
     ·改进C1 单元的BIM 模型第79-82页
   ·局部保持投影第82-89页
     ·PCA第85-86页
     ·LDA第86-87页
     ·PCA+LDA第87-88页
     ·有监督局部保持投影第88-89页
   ·实验第89-95页
     ·实验数据第89-90页
     ·特征提取第90页
     ·特征选择及分类器设计第90-94页
     ·实验结果第94-95页
   ·本章小结第95-97页
第五章 利用融合特征提高真实环境中笑脸分类的有效性第97-117页
   ·引言第97-99页
   ·局部二值模式第99-105页
     ·基本LBP 特征第99-100页
     ·扩展LBP 特征第100-101页
     ·旋转无关LBP 特征第101-102页
     ·表情检测与分类实验第102-105页
   ·实验第105-115页
     ·实验数据第105-107页
     ·特征提取第107-108页
     ·特征选择与分类器设计第108页
     ·实验结果第108-113页
     ·融合特征与State-of-the-art 方法的比较实验第113-115页
   ·本章小结第115-117页
总结与展望第117-120页
 1. 本文工作总结第117-118页
 2. 后续研究展望第118-120页
参考文献第120-136页
攻读博士学位期间取得的研究成果第136-137页
致谢第137-138页
附件第138页

论文共138页,点击 下载论文
上一篇:光照变化条件下人脸识别技术研究
下一篇:多射频多信道无线Mesh网络的资源管理关键技术研究