| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 人脸表情识别国内外研究现状 | 第10-11页 |
| 1.3 本文主要工作内容及创新 | 第11-15页 |
| 1.3.1 本文主要工作 | 第11-12页 |
| 1.3.2 本文创新内容 | 第12页 |
| 1.3.3 本文组织结构 | 第12-15页 |
| 第2章 人脸表情识别技术分析 | 第15-23页 |
| 2.1 经典的特征提取算法 | 第15-19页 |
| 2.1.1 LBP特征提取算法 | 第15-16页 |
| 2.1.2 Gabor小波特征提取算法 | 第16-17页 |
| 2.1.3 AAM特征提取算法 | 第17-18页 |
| 2.1.4 流形学习特征提取算法 | 第18-19页 |
| 2.2 常见分类算法 | 第19-22页 |
| 2.2.1 SVM分类算法 | 第19-21页 |
| 2.2.2 k-近邻分类算法 | 第21-22页 |
| 2.3 人脸表情数据库 | 第22-23页 |
| 2.3.1 JAFFE数据库 | 第22页 |
| 2.3.2 CK数据库 | 第22-23页 |
| 第3章 基于K-L变换的扩展LBP人脸表情识别算法 | 第23-37页 |
| 3.1 LBP算法改进分析 | 第23-24页 |
| 3.2 K-L变换和协方差矩阵变换 | 第24-25页 |
| 3.3 基于K-L变换的扩展LBP特征提取算法设计实现 | 第25-31页 |
| 3.3.1 算法设计 | 第25-27页 |
| 3.3.2 实验方法设计 | 第27页 |
| 3.3.3 实验主要步骤 | 第27-31页 |
| 3.4 实验结果对比与分析 | 第31-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 基于Harris-SIFT特征点检测的LBP表情识别算法 | 第37-45页 |
| 4.1 Harris角点检测 | 第37-38页 |
| 4.2 SIFT特征点检测 | 第38页 |
| 4.3 基于Harris-SIFT特征点检测的LBP表情识别算法设计实现 | 第38-42页 |
| 4.3.1 方法设计 | 第38-39页 |
| 4.3.2 主要步骤 | 第39-42页 |
| 4.4 实验结果对比与分析 | 第42-43页 |
| 4.5 本章小结 | 第43-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 本文工作总结 | 第45-46页 |
| 5.2 未来工作展望 | 第46-47页 |
| 参考文献 | 第47-53页 |
| 致谢 | 第53-55页 |
| 攻读学位期间科研成果 | 第55页 |
