基于gabor特征的bc编码人脸表情识别

《基于gabor特征的bc编码人脸表情识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、单位代码：１０３５９：ＴＰ１分类号３９．４２０１３１１０５３０：学号密级：的ｆ冬侣乂令义考ＨｅｆｅｉＵ打ｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏｙｇｙ硕ｉｔ学位论义Ｍ乂ＳＴＥＲＤＥＧＲＥＥＴＨＥＳＩＳ论文题Ｍ：基于Ｇａｂｏ「特征的ＢＣ编码人脸表情识别学伉炎別：学历硕±学科专业：信息与通信工程Ｘ巧领域（）作巧帅：名：徐晓明导师姓名：任福继教授完成时间：２０１６年４月公，－一一ｒ：１０３５９；单位代码巧级公迂学号：２０１３１１０

2、５３０分类号：ＴＰ３９１．４＾＞４化义令义考ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ硕±学位论文＾ＭＡＳＴＥＲＳＤＩＳＳＥＲＴＡＴＩＯＮ论文题目：基于Ｇａｂｏｒ特征的ＢＣ编码人脸表情识别学位类别：学历硕女专业名称：信息与通信工程作者姓名：徐晓明导师姓名：任福继教授完成时间：２０１６年４月合肥工业大学学历硕±学位论文基于Ｇａｂｏｒ特征的ＢＣ编码人脸表情识别：徐晓明作者姓名：任福继教授指导教师专业名称：信息与通信工

3、程研巧方向：智能信息处理２０１６年４月ＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄｆｏｒｔｈｅＤｅｇｒｅｅｏｆＭａｓｔｅｒＦａｃｉａｌＥｘｐｒｅｓｓｉｏｎＲｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎＧａｂｏｒＦｅａｔｕｒｅＢＣＥｎｃｏｄｉｎｇＢｙＸｕＸｉａｏｍｉｎｇＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＨｅｆｅｉＡｎｈｕｉＰ．民．Ｃｈｉｎａ，，Ａｒｉｌ２０１６ｐ，合肥工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业大学

4、学历硕±学位论文质量要求。答辩委员会签名（工作单位、职称、姓名）主席；冲Ｓ却淳ｆ么幻脅龄本。寺令抑＾个石Ｖ矣占．以委员：＂满獻係齡１冰＜令心心巧批仪令各祕王化ｔＴ書萄聚擔奇狂，易哀巧言哀心，学位论文独钥性声明本人郑重声明：所呈交的学位论文是本人在导师指导下进行独立研巧工作所取得的成果。据我所知，论文中不包含，除了文中将别加Ｗ标注和致谢的内容外其他人已经发表或撰写过的研巧成果，也不包含为获得合化工业大学或其他教育机构的学位或证书而使用过的材料，。对本文成果做出贡献的个人和集体本人

5、己在论文中作了明确的说明，并表示谢意，学位论文中表达的观点纯属作者本人观点，与合肥工业大学无关。＜学位论文作者签名：签名日期日；年月］学位论文版权使用授枚书本学位论义作者完全了解合肥工业大学有关保留、使用学位论文的规定Ｉ即：除保密期内的渉密学位论文外，学校有权保存并向国家有关部口或机构送交论文的复印件和电子光盘，允许论文被杳阅或借閒。本人授权合肥工业大学可Ｗ将本学位论文的全部或部分内容编入有关数据库，允许采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）

6、学位论文作者签名：：指导教师签名＊《／签名曰期：年＾月曰签名曰期：年节曰＾论文作者毕业去向工作单位：－ｍａ联系电话：Ｅｉｌ：通讯地化：邮政编巧：ｉ致谢转眼间，在论，对，两年半的研巧生学习生涯己经就要结束了文的完成之际那些曾经在学习上与生活中给我Ｗ支持与帮助的老师与同学们表示由衷的感谢。。首先，我要感谢我的导师任福继教授与全昌勤教授在他们的引导与帮助下、让我顺利走进人脸表倩识别领域并参与研究，他们的学术之严谨、眼界之开阔知识之渊博令人敬仰使人受教，，同时在为人处世之道也让我

7、受益匪浅在此向他们表示我最诚擎的敬意和感谢！同时也感谢情感计算与先进智能机器安徽省重点实验室其他老师对我关也与帮助。感谢关也与支持我的朋友和同学们。感谢师兄鲍艳伟，师姐钱瑶、王丽娟在学习上对我帮助与支持，感谢张斌、袁磊、华磊、魏希权在研究生阶段的学习陪伴，感谢你们在生活与学习上给我极大的帮助与鼓励。最需要感谢的是我的父母。他们在我学习生涯上给我的支持与鼓励是我克服困难的不竭动力一生中最，无私奉献与关爱是我勇往直前的坚强后盾，这些是我宝贵的财富。最后一一，我要再次感谢给我提供生活与学习平台的学校

8、合肥工业大学，让我不断吸取知识，提窩自我修养。前方的路还很长，等着我去探索与前进，我有信也勇敢的走下去！，实现我的梦想作者：徐晓明２０１６年４月１日Ｉ摘要随着计算机视觉与模式识别领域关键方法的不断提出与改进，人脸面部表情识别作为情