基于Gabor小波和局部二值模式的人臉表情特征提取研究.pdf

1、面部表情在人和人的交流過程中扮演著十分重要的角色,它作為一種非語言交流的有效手段，能夠表達(dá)和傳遞人的基本感情信息，因此可以利用表情來辨別交流者的內(nèi)心情感世界與態(tài)度。與之相對(duì)應(yīng)的表情識(shí)別技術(shù)，也是人機(jī)實(shí)現(xiàn)智能交互和情感計(jì)算中非常重要的構(gòu)成內(nèi)容。一個(gè)完整的人臉表情識(shí)別系統(tǒng)由人臉檢測、表情特征提取與降維、表情分類識(shí)別構(gòu)成。目前對(duì)表情識(shí)別的研究內(nèi)容，主要著重在后兩個(gè)部分。在表情識(shí)別的完整過程中，提取表情特征以及特征降維占據(jù)著極其重要的地位，怎樣

2、提取有效且穩(wěn)定的表情特征，使較少數(shù)量的特征盡可能的富含更多的表情類別信息，將是識(shí)別表情結(jié)果成敗的關(guān)鍵。
　　本文在總結(jié)前人研究成果的基礎(chǔ)上，對(duì)表情特征提取，特征降維等具體過程中所存在的問題和不足做了相關(guān)研究，對(duì)傳統(tǒng)算法提出了一些改進(jìn)。主要研究工作如下：
　　(1)對(duì)表情原始圖片進(jìn)行兩種預(yù)處理，第一種，進(jìn)行簡單的去背景操作，保留整個(gè)人臉肖像圖。第二種，使用灰度積分投影方法檢測人臉，再使用二次灰度積分投影方法，對(duì)人臉的關(guān)鍵特征點(diǎn)

3、(眼睛，鼻子等)進(jìn)行精確的特征定位，最后保留人臉的主要表情區(qū)域。上述操作對(duì)特征提取以及降維有著重要作用。
　　(2)以提取整體表情結(jié)構(gòu)信息、局部紋理特征和特征降維為核心，研究使用傳統(tǒng)單一特征提取方法的優(yōu)缺點(diǎn)，綜合Gabor小波與局部二值模式(LBP)兩種特征提取方法并進(jìn)行改進(jìn)，使之能有效結(jié)合全局表情特征與局部表情特征。針對(duì)特征向量維數(shù)較高及在變換域中的存在相關(guān)性和冗余性，采用離散余弦變換(DCT)進(jìn)行特征降維，可有效抑制噪音，能在