基于Gabor变换的情感识别系统的研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景、目的和意义 | 第11-13页 |
| 1.2 国内外研究历史和现状 | 第13-14页 |
| 1.3 研究内容及论文结构安排 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 论文结构 | 第15-16页 |
| 第2章 相关理论及技术研究 | 第16-22页 |
| 2.1 图像预处理 | 第16-17页 |
| 2.1.1 人脸检测与定位 | 第16-17页 |
| 2.1.2 其他预处理 | 第17页 |
| 2.2 特征提取 | 第17-19页 |
| 2.3 表情分类 | 第19-21页 |
| 2.3.1 线性分类器 | 第19-20页 |
| 2.3.2 神经网络分类器 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于局部Gabor的表情识别 | 第22-40页 |
| 3.1 引言 | 第22页 |
| 3.2 相关技术研究 | 第22-25页 |
| 3.2.1 Gabor变换 | 第22-23页 |
| 3.2.2 RBF神经网络 | 第23-25页 |
| 3.3 算法过程 | 第25-36页 |
| 3.3.1 AdaBoost人脸检测 | 第26-27页 |
| 3.3.2 子区域相关性分析 | 第27-28页 |
| 3.3.3 瞳孔定位及子区域分割 | 第28-30页 |
| 3.3.4 子区域尺度归一化及灰度均衡化 | 第30-31页 |
| 3.3.5 特征提取与特征优化 | 第31-33页 |
| 3.3.6 RBF表情分类 | 第33-36页 |
| 3.4 实验结果及分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于权值的Gabor表情识别 | 第40-57页 |
| 4.1 引言 | 第40-41页 |
| 4.2 相关技术研究 | 第41-43页 |
| 4.2.1 主成分分析法 | 第41页 |
| 4.2.2 支持向量机 | 第41-43页 |
| 4.3 算法原理 | 第43-51页 |
| 4.3.1 图像预处理 | 第43-44页 |
| 4.3.2 特征提取与融合 | 第44-45页 |
| 4.3.3 权值选择 | 第45-50页 |
| 4.3.4 特征降维 | 第50-51页 |
| 4.3.5 表情分类 | 第51页 |
| 4.4 实验结果及分析 | 第51-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 基于改进的HMM的表情识别 | 第57-75页 |
| 5.1 引言 | 第57页 |
| 5.2 相关技术研究 | 第57-59页 |
| 5.2.1 光流法 | 第57-58页 |
| 5.2.2 隐马尔可夫模型 | 第58-59页 |
| 5.3 算法原理 | 第59-69页 |
| 5.3.1 图像预处理 | 第59-60页 |
| 5.3.2 基于光流法的特征提取 | 第60-62页 |
| 5.3.3 改进的HMM模型 | 第62-69页 |
| 5.4 实验结果及分析 | 第69-74页 |
| 5.5 本章小结 | 第74-75页 |
| 总结与展望 | 第75-77页 |
| 工作总结 | 第75-76页 |
| 展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82页 |
