| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 新生儿表情识别的系统架构 | 第12-13页 |
| 1.4 本文研究内容及结构安排 | 第13-14页 |
| 第二章 基于LBP的提取新生儿表情特征算法 | 第14-24页 |
| 2.1 局部二值模式LBP算法 | 第14-21页 |
| 2.1.1 LBP算子原理 | 第14-16页 |
| 2.1.2 多尺度模式的LBP | 第16-17页 |
| 2.1.3 LBP的均匀模式 | 第17-19页 |
| 2.1.4 LBP的对称模式 | 第19-21页 |
| 2.2 基于分块加权LBP的新生儿表情特征提取 | 第21-23页 |
| 2.2.1 基于分块的LBP | 第21-22页 |
| 2.2.2 基于分块加权的LBP | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 新生儿疼痛表情降低特征维数的方法 | 第24-31页 |
| 3.1 特征降维方法 | 第24-25页 |
| 3.2 主成分分析法 | 第25-27页 |
| 3.3 二维PCA降维方法 | 第27-29页 |
| 3.4 二维LDA降维方法 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于协作表示分类的新生儿疼痛表情识别算法 | 第31-42页 |
| 4.1 压缩感知理论 | 第31-33页 |
| 4.2 基于稀疏表示分类 | 第33-35页 |
| 4.3 基于协作表示的分类器设计 | 第35-41页 |
| 4.3.1 协作表示原理 | 第35-38页 |
| 4.3.2 基于正则化最小二乘法的CRC | 第38-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 仿真实验结果分析和总结 | 第42-59页 |
| 5.1 实验流程介绍 | 第42-43页 |
| 5.1.1 仿真实验步骤 | 第42页 |
| 5.1.2 表情图像库介绍 | 第42-43页 |
| 5.2 实验结果与分析 | 第43-58页 |
| 5.2.1 实验 1——均匀模式LBP下训练样本数量和分块情况对识别率的影响 | 第44-50页 |
| 5.2.2 实验 2——对称模式LBP下训练样本数量和分块方式对识别率的影响 | 第50-53页 |
| 5.2.3 实验 3——LBP分块加权方式对识别效果的影响 | 第53-56页 |
| 5.2.4 实验 4——正则化参数对识别效果的影响 | 第56-57页 |
| 5.2.5 实验 5——比较CRC_RLS和SRC的运行时间和计算复杂度 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |
