基于稀疏表示的人臉表情識(shí)別方法研究.pdf

1、人臉表情識(shí)別是人機(jī)自然交互、計(jì)算機(jī)視覺、模式識(shí)別和圖像處理等研究領(lǐng)域的熱點(diǎn)課題，是情感計(jì)算、人機(jī)智能交互的重要組成部分，具有良好的發(fā)展前景。然而，由于人臉面部表情承載著非常豐富的情感和內(nèi)心活動(dòng)，不同性別、年齡及種族的人臉表情的細(xì)微差異成為了表情識(shí)別研究的一個(gè)難點(diǎn)，如何正確識(shí)別出人臉表情所屬類別，是目前研究的重點(diǎn)。
　　由于不同人臉表情的紋理特征的差異小而難以辨別，使表情識(shí)別率不高。本文將表情圖像進(jìn)行特征分塊，以突出不同的表情特征，

2、利用Gabor小波多尺度多方向的特點(diǎn)，結(jié)合CBP算子對(duì)邊緣、中心像素等細(xì)微特征敏感性的優(yōu)點(diǎn)，提出基于CGBP特征提取方法。利用稀疏表示的模型優(yōu)化特點(diǎn)，將稀疏表示分類方法引入到K-近鄰分類方法中，可以有效提高表情分類效果。本文的主要工作如下：
　　1、針對(duì)人臉表情識(shí)別中不同人臉表情的紋理特征差異小而難以辨別的問題，通過分析對(duì)比LBP算子和CBP算子，得出CBP算子在維數(shù)、高強(qiáng)度噪聲等方面都具有優(yōu)越性。因此，將CBP算子與Gabor小

3、波變換進(jìn)行融合，得到具有多尺度多方向且對(duì)邊緣、中心像素等微小特征敏感的特征提取方法。仿真實(shí)驗(yàn)結(jié)果表明，在相同實(shí)驗(yàn)條件下，該特征提取方法與LGBP特征提取方法相比，對(duì)細(xì)小特征的提取具有更加明顯的效果。
　　2、針對(duì) K-近鄰分類方法抗干擾能力弱的缺點(diǎn)，結(jié)合稀疏表示分類算法，提出一種基于稀疏K-近鄰表示的分類器設(shè)計(jì)方法，用于基于特征分塊CGBP人臉表情識(shí)別算法中。在基于特征分塊CGBP與稀疏K-近鄰表示的人臉表情識(shí)別算法中，對(duì)不同類別