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 |