| 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9-12页 |
| 1.1 研究背景 | 第9页 |
| 1.2 新生儿表情识别研究现状 | 第9-10页 |
| 1.3 本文主要工作及内容结构安排 | 第10-12页 |
| 第二章 新生儿面部表情图像预处理 | 第12-21页 |
| 2.1 面部表情图像采集 | 第12-14页 |
| 2.1.1 面部轮廓定位 | 第12-13页 |
| 2.1.2 旋转校准 | 第13-14页 |
| 2.1.3 图像裁剪 | 第14页 |
| 2.2 尺寸归一化 | 第14-16页 |
| 2.2.1 最邻近插值 | 第14-15页 |
| 2.2.2 双线性插值 | 第15-16页 |
| 2.2.3 高阶插值 | 第16页 |
| 2.3 光照补偿 | 第16-20页 |
| 2.3.1 灰度直方图 | 第17-18页 |
| 2.3.2 直方图均衡 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 Gabor小波特征提取及 2D-PCA降维 | 第21-33页 |
| 3.1 Gabor小波理论背景 | 第21-22页 |
| 3.2 Gabor小波变换原理 | 第22-26页 |
| 3.3 2D-PCA方法 | 第26-31页 |
| 3.3.1 K-L变换 | 第26-28页 |
| 3.3.2 二维PCA方法原理 | 第28-29页 |
| 3.3.3 二维PCA的改进 | 第29-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 基于稀疏表示的新生儿疼痛表情识别 | 第33-45页 |
| 4.1 压缩感知背景 | 第33-34页 |
| 4.2 压缩感知理论框架 | 第34-40页 |
| 4.2.1 压缩感知基本概念 | 第34-35页 |
| 4.2.2 信号的稀疏性 | 第35-37页 |
| 4.2.3 观测矩阵的设计要求 | 第37-38页 |
| 4.2.4 重构算法 | 第38-40页 |
| 4.3 基于稀疏表示的新生儿疼痛表情识别 | 第40-44页 |
| 4.3.1 样本图像的稀疏表示 | 第41-42页 |
| 4.3.2 超完备字典构造 | 第42页 |
| 4.3.3 基于稀疏表示的新生儿疼痛表情分类 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 实验仿真及结果分析 | 第45-60页 |
| 5.1 实验环境介绍 | 第45-46页 |
| 5.1.1 实验数据与来源 | 第45-46页 |
| 5.2 不同实验方法的比较 | 第46-56页 |
| 5.2.1 不同训练样本数及特征维数比较 | 第46-48页 |
| 5.2.2 Gabor内核窗大小对实验结果的影响 | 第48-49页 |
| 5.2.3 不同特征提取及降维方法的比较 | 第49-56页 |
| 5.3 不同稀疏系数求解方法的比较 | 第56-58页 |
| 5.4 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 工作总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |