基于改進的LBP算子和稀疏表達在人臉表情識別上的醫(yī)用.pdf_第1頁
已閱讀1頁,還剩70頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、眾所周知,人臉表情是人們在人際交流中情感的直接流露和內(nèi)心信息直接表達,是人類感情信息傳播與人際關(guān)系調(diào)和的重要渠道,多被應用到模式識別、機器視覺、智能控制等領(lǐng)域。因此,更高效的人臉表情識別算法的研究具有十分重要的意義。本文主要研究了人臉表情識別過程中的圖像特征提取以及圖像分類,具體研究內(nèi)容如下:
  (1)綜述并分析了與人臉表情識別相關(guān)的前人研究工作,并詳細論述了人臉表情圖像的識別過程。同時,介紹了壓縮感知基礎(chǔ)理論知識,分析了稀疏表

2、示、傳感矩陣和稀疏信號重構(gòu)優(yōu)化算法,并詳細分析了重構(gòu)優(yōu)化算法中的貪婪追蹤算法和凸優(yōu)化算法。
 ?。?)針對傳統(tǒng) LBP算子特征值計算時并未考慮圖像中心像素點,本文提出了分塊的C-LBP算子,并將中心像素點加入到特征值計算中并賦予最高權(quán)值。同時,基于C-LBP算子特征提取時,考慮不同分塊策略和不同特征維數(shù)對圖像識別率的影響。實驗表明:在CK庫中,當訓練樣本達到280、分塊策略為5×3時,并采用PCA特征降維方法,本文提出的基于分塊

3、C-LBP算子結(jié)合 GPSR分類算法的平均識別率達到80.43%。
 ?。?)傳統(tǒng)的OMP算法獲得字典的稀疏系數(shù)值過小或為負數(shù),影響了圖像分類準確度。本文提出了改進的OMP算法,通過對稀疏系數(shù)直接限制來對信號重構(gòu)進行優(yōu)化,以減少稀疏系數(shù)負值的產(chǎn)生。實驗表明:在JAFFE數(shù)據(jù)庫和CK庫中,與OMP算法相比,改進的OMP算法具有較好的識別效果。在CK庫中采用PCA結(jié)合C-LBP算子進行特征提取時,改進的OMP算法的平均識別率達到了80

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論