| 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9-19页 |
| 1.1 研究背景及选题意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 人脸表情识别中存在的问题及发展趋势 | 第12-13页 |
| 1.4 人脸表情识别概述 | 第13-17页 |
| 1.4.1 人脸表情识别基本流程 | 第13-14页 |
| 1.4.2 特征提取 | 第14-16页 |
| 1.4.3 特征分类 | 第16-17页 |
| 1.5 论文研究内容与章节安排 | 第17-19页 |
| 第二章 基于分块LBP的人脸表情特征提取 | 第19-27页 |
| 2.1 局部二值模式（LBP） | 第19-23页 |
| 2.1.1 基本LBP算子 | 第20-21页 |
| 2.1.2 均匀模式LBP算子 | 第21-23页 |
| 2.2 分块LBP算子及其在人脸表情特征提取中的应用 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于非负矩阵分解的特征降维 | 第27-36页 |
| 3.1 概述 | 第27页 |
| 3.2 基于PCA的特征降维 | 第27-28页 |
| 3.3 非负矩阵分解的基本原理 | 第28-33页 |
| 3.3.1 算法简介 | 第28-29页 |
| 3.3.2 目标函数 | 第29页 |
| 3.3.3 迭代规则 | 第29-30页 |
| 3.3.4 收敛性证明 | 第30-33页 |
| 3.4 基于非负矩阵分解的特征降维算法 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 人脸表情分类识别 | 第36-42页 |
| 4.1 最近邻分类器 | 第36-38页 |
| 4.1.1 最小距离分类器 | 第36页 |
| 4.1.2 最近邻分类器 | 第36-37页 |
| 4.1.3 最近邻法错误率分析 | 第37-38页 |
| 4.2 K-最近邻分类器 | 第38-39页 |
| 4.2.1 K -最近邻分类器介绍 | 第38-39页 |
| 4.2.2 K-最近邻法错误率分析 | 第39页 |
| 4.3 中心最近邻分类器 | 第39-40页 |
| 4.4 使用不同分类器的人脸表情识别结果比较 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 实验结果与分析 | 第42-52页 |
| 5.1 实验流程介绍 | 第42-44页 |
| 5.1.1 图像库的介绍与建立 | 第42-44页 |
| 5.1.2 实验步骤 | 第44页 |
| 5.2 实验结果与分析 | 第44-51页 |
| 5.2.1 实验 1——特征维数、分块大小对识别率的影响 | 第44-49页 |
| 5.2.2 实验 2——特征提取方法对识别率的影响 | 第49-50页 |
| 5.2.3 实验 3——特征降维方法对识别率的影响 | 第50页 |
| 5.2.4 实验 4——特征分类方法对识别率的影响 | 第50-51页 |
| 5.2.5 实验 5——7×7 分块下NMF+中心最近邻分类时各类表情的正确识别率 | 第51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
