基于自适应加权LBP和协作表示的人脸表情识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究发展与现状 | 第9-15页 |
| 1.2.1 表情特征提取 | 第10-11页 |
| 1.2.2 表情分类 | 第11-15页 |
| 1.3 研究中面临的困难 | 第15页 |
| 1.4 人脸表情识别基本流程 | 第15-16页 |
| 1.5 论文研究内容与章节安排 | 第16-19页 |
| 1.5.1 论文研究内容 | 第16-18页 |
| 1.5.2 本文章节安排 | 第18-19页 |
| 第二章 基于LBP的人脸表情特征提取 | 第19-31页 |
| 2.1 原始的LBP算子 | 第20-22页 |
| 2.2 扩展后的LBP算法 | 第22-25页 |
| 2.2.1 多尺度的LBP | 第22-23页 |
| 2.2.2 旋转不变的LBP | 第23-24页 |
| 2.2.3 均匀模式 | 第24-25页 |
| 2.3 基于自适应加权的LBP特征提取 | 第25-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于PCA的特征降维 | 第31-36页 |
| 3.1 特征降维原理及方法 | 第31-33页 |
| 3.1.1 特征降维原理介绍 | 第31-32页 |
| 3.1.2 PCA基本原理 | 第32-33页 |
| 3.2 PCA算法步骤 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第四章 基于协作表示的人脸表情分类 | 第36-43页 |
| 4.1 基于稀疏表示的人脸表情分类 | 第36-39页 |
| 4.1.1 压缩感知理论介绍 | 第36-37页 |
| 4.1.2 基于稀疏表示的分类方法 | 第37-39页 |
| 4.2 基于协作表示的人脸表情分类 | 第39-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 实验结果与分析 | 第43-55页 |
| 5.1 实验流程介绍 | 第43-44页 |
| 5.1.1 实验步骤 | 第43页 |
| 5.1.2 图像库的选择 | 第43-44页 |
| 5.2 实验结果与分析 | 第44-53页 |
| 5.2.1 分块方式、特征维数与识别率的关系 | 第44-48页 |
| 5.2.2 加权因子在表情分类中的影响 | 第48-50页 |
| 5.2.3 基于稀疏表示和协作表示的分类结果 | 第50-53页 |
| 5.2.4 三种算法综合对比 | 第53页 |
| 5.3 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 研究展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |
