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

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心信息直接表達，是人類感情信息傳播與人際關系調和的重要渠道，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，具體研究內容如下：
　?。?）綜述并分析了與人臉表情識別相關的前人研究工作，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理論知識，分析了稀疏表

2、示、傳感矩陣和稀疏信號重構優(yōu)化算法，并詳細分析了重構優(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算子結合 GPSR分類算法的平均識別率達到80.43％。
　　（3）傳統(tǒng)的OMP算法獲得字典的稀疏系數值過小或為負數，影響了圖像分類準確度。本文提出了改進的OMP算法，通過對稀疏系數直接限制來對信號重構進行優(yōu)化，以減少稀疏系數負值的產生。實驗表明：在JAFFE數據庫和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