文摘
英文文摘
声明
第1章 绪论
1.1 课题研究的背景和意义
1.2 国内外研究现状和发展趋势
1.3 表情识别系统
1.4 表情特征提取方法
1.5 表情分类方法
1.6 本文的研究内容和组织结构
第2章 表情图像预处理
2.1 噪声的去除
2.1.1 邻域均值滤波
2.1.2 中值滤波
2.1.3 高斯滤波
2.2 灰度均衡化处理
2.3 边缘检测
2.4 图像二值化
2.5 人眼定位
2.6 图像几何预处理
2.6.1 灰度级插值
2.6.2 图像旋转
2.6.3 图像剪切
2.6.4 几何归一化
2.7 本章小结
第3章 基于Gabor变换的表情特征提取
3.1 特征提取
3.1.1 特征提取的目的
3.1.2 表情特征提取的关键
3.2 特征点的定位
3.3 Gabor小波
3.3.1 Gabor小波的背景
3.3.2 二维Gabor小波
3.3.3 二维Gabor小波的参数
3.4 分析和实验
3.4.1 算法步骤分析
3.4.2 Gabor实验结果
3.5 运算量分析
3.6 本章小结
第4章 基于积分图的表情特征提取
4.1 矩形模板的设计
4.2 基本积分图概念
4.2.1 倾角0°矩形积分图
4.2.2 倾角45°矩形积分图
4.3 基本积分图特征提取
4.3.1 旋转模板特征提取
4.3.2 旋转图像特征提取
4.3.3 模板图像特征提取
4.4 拓展积分图概念
4.4.1 倾角arctan(1/2)积分图
4.4.2 倾角arctan(2)积分图
4.5 拓展积分图特征提取
4.6 本章小结
第5章 表情分类和识别系统的设计实现
5.1 统计学习理论的相关概念
5.1.1 VC维
5.1.2 经验风险最小化
5.1.3 推广性的界
5.1.4 结构风险最小化
5.2 支持向量机
5.2.1 线性分类面
5.2.2 非线性分类面
5.2.3 SVM分类器
5.3 SVM分类的实验结果
5.4 系统设计与实现
5.4.1 系统设计
5.4.2 系统实现
5.5 本章小结
第6章 总结和展望
6.1 总结
6.2 展望
致 谢
参考文献
硕士期间发表论文