基于紋理信息的面部表情識(shí)別算法研究.pdf

1、人臉面部表情識(shí)別技術(shù)目前主要的應(yīng)用領(lǐng)域包括人機(jī)交互、安全、機(jī)器人制造、醫(yī)療、通信和汽車領(lǐng)域等。人臉表情識(shí)別技術(shù)是涉及數(shù)字圖像處理、運(yùn)動(dòng)跟蹤、情感計(jì)算、模式識(shí)別、生理學(xué)、機(jī)器視覺、心理學(xué)、生物特征識(shí)別等領(lǐng)域的一個(gè)富有極具挑戰(zhàn)性的綜合交叉學(xué)科課題。人臉面部表情蘊(yùn)含著豐富的情感和心理信息，能夠一定程度的反映出人的大腦的思維活動(dòng)。面部表情識(shí)別主要涉及兩個(gè)問題，一個(gè)是怎樣獲得人臉面部表情的有效特征和怎樣有效的分析表情特征并正確的識(shí)別。本論文主要的

2、研究?jī)?nèi)容與創(chuàng)新工作包括以下內(nèi)容:
　　1.為了克服表情識(shí)別中選擇移位和光照不均對(duì)識(shí)別效果的影響，提出了一種改進(jìn)的局部二值模式算法。該算法具有極強(qiáng)的旋轉(zhuǎn)不變性和灰度不變性，而且能容忍一定程度的圖像旋轉(zhuǎn)和不變性。對(duì)傳統(tǒng)的局部二值模式算子進(jìn)行改進(jìn)，從而對(duì)于有噪聲的情形下和樣本圖像具有低分辨率時(shí)，該算法更加具有魯棒性和穩(wěn)定性。
　　2.針對(duì)Gabor小波特征提取后特征向量維數(shù)高的問題，提出了一種數(shù)學(xué)稀疏表示的Gabor小波表情識(shí)別算

3、法。Gabor小波的降維是其應(yīng)用的關(guān)鍵所在，傳統(tǒng)的PCA算法可以降維，但是PCA沒有考慮到各類特征之間的區(qū)分性。稀疏表示理論是將信號(hào)投影到變換空間上從而得到緊湊并準(zhǔn)確的表示，因此使用稀疏表示進(jìn)行降維處理，可以有利于后續(xù)的表情識(shí)別的準(zhǔn)確率。
　　3.針對(duì)傳統(tǒng)的小波對(duì)于在圖像邊緣提取特征時(shí)有明顯的不足，而圖像邊緣包含豐富的人臉表情信息，提出基于Curvelet特征的人臉表情識(shí)別算法。Curvelet特征能夠很好的包含圖像的邊緣信息，有