基于小波函数的二维整体经验模态分解研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第6-11页 |
| 1.1 研究背景及意义 | 第6-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文主要工作 | 第9-11页 |
| 第2章 基本理论 | 第11-17页 |
| 2.1 一维整体经验模态分解 | 第11-13页 |
| 2.1.1 EMD | 第11-12页 |
| 2.1.2 EEMD | 第12-13页 |
| 2.2 二维整体经验模态分解 | 第13-15页 |
| 2.2.1 传统的二维EMD | 第13-14页 |
| 2.2.2 改进的二维EEMD | 第14-15页 |
| 2.3 小波函数 | 第15-17页 |
| 第3章 人脸图像的预处理 | 第17-23页 |
| 3.1 表情图像数据来源 | 第17-20页 |
| 3.2 图像的预处理 | 第20-23页 |
| 3.2.1 人脸表情图像的尺度归一化 | 第20-21页 |
| 3.2.2 人脸表情图像的直方图均衡化 | 第21-23页 |
| 第4章 基于EMD的人脸表情图像处理 | 第23-30页 |
| 4.1 人脸表情图像的拉东变换 | 第23-25页 |
| 4.2 基于EMD人脸表情处理 | 第25-26页 |
| 4.3 主成分分析 | 第26页 |
| 4.4 基于EMD和SVM的人脸表情分类 | 第26-30页 |
| 第5章 基于二维EEMD的人脸表情图像处理 | 第30-37页 |
| 5.1 基于二维EEMD人脸表情分解 | 第30-32页 |
| 5.2 基于二维EEMD的拉东变换 | 第32-33页 |
| 5.3 利用PCA降维处理 | 第33-35页 |
| 5.4 基于二维EEMD和SVM的人脸表情分类 | 第35-37页 |
| 第6章 结论 | 第37-39页 |
| 致谢 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 附录 | 第43-47页 |
| 作者简介 | 第47页 |
| 攻读硕士学位期间研究成果 | 第47页 |
