基于加权矩形积分图的人脸表情识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·国内外研究现状和发展趋势 | 第10-11页 |
| ·表情识别系统 | 第11-13页 |
| ·表情特征提取方法 | 第13-15页 |
| ·表情分类方法 | 第15-16页 |
| ·本文的研究内容和组织结构 | 第16-18页 |
| 第2章 表情图像预处理 | 第18-29页 |
| ·噪声的去除 | 第18-20页 |
| ·邻域均值滤波 | 第18-19页 |
| ·中值滤波 | 第19-20页 |
| ·高斯滤波 | 第20页 |
| ·灰度均衡化处理 | 第20-21页 |
| ·边缘检测 | 第21-22页 |
| ·图像二值化 | 第22-23页 |
| ·人眼定位 | 第23-25页 |
| ·图像几何预处理 | 第25-28页 |
| ·灰度级插值 | 第25-26页 |
| ·图像旋转 | 第26-27页 |
| ·图像剪切 | 第27页 |
| ·几何归一化 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于Gabor变换的表情特征提取 | 第29-40页 |
| ·特征提取 | 第29-31页 |
| ·特征提取的目的 | 第29页 |
| ·表情特征提取的关键 | 第29-31页 |
| ·特征点的定位 | 第31-32页 |
| ·Gabor小波 | 第32-36页 |
| ·Gabor小波的背景 | 第32-33页 |
| ·二维Gabor小波 | 第33-34页 |
| ·二维Gabor小波的参数 | 第34-36页 |
| ·分析和实验 | 第36-38页 |
| ·算法步骤分析 | 第36-37页 |
| ·Gabor实验结果 | 第37-38页 |
| ·运算量分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于积分图的表情特征提取 | 第40-54页 |
| ·矩形模板的设计 | 第40-41页 |
| ·基本积分图概念 | 第41-45页 |
| ·倾角0°矩形积分图 | 第42-44页 |
| ·倾角45°矩形积分图 | 第44-45页 |
| ·基本积分图特征提取 | 第45-47页 |
| ·旋转模板特征提取 | 第45-46页 |
| ·旋转图像特征提取 | 第46页 |
| ·模板图像特征提取 | 第46-47页 |
| ·拓展积分图概念 | 第47-50页 |
| ·倾角arctan(1/2)积分图 | 第47-49页 |
| ·倾角arctan(2)积分图 | 第49-50页 |
| ·拓展积分图特征提取 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 表情分类和识别系统的设计实现 | 第54-68页 |
| ·统计学习理论的相关概念 | 第54-56页 |
| ·VC维 | 第54-55页 |
| ·经验风险最小化 | 第55页 |
| ·推广性的界 | 第55页 |
| ·结构风险最小化 | 第55-56页 |
| ·支持向量机 | 第56-61页 |
| ·线性分类面 | 第56-58页 |
| ·非线性分类面 | 第58-60页 |
| ·SVM分类器 | 第60-61页 |
| ·SVM分类的实验结果 | 第61-65页 |
| ·系统设计与实现 | 第65-67页 |
| ·系统设计 | 第65-66页 |
| ·系统实现 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结和展望 | 第68-70页 |
| ·总结 | 第68页 |
| ·展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 硕士期间发表论文 | 第75页 |
