基于HLACLF的新生兒疼痛表情識別研究.pdf

1、現(xiàn)階段新生兒的疼痛評估大多是以人工方式進(jìn)行，可是人工評估不僅占用大量的人力物力資源，還會(huì)因?yàn)樵u估者的主觀感受而產(chǎn)生誤差。因此，有必要建立一個(gè)高效準(zhǔn)確的自動(dòng)識別系統(tǒng)對新生兒疼痛程度進(jìn)行判斷。
　　本文利用HLACLF（Higher Order Local Autocorrelation Like Feature，高階局部自相關(guān)類似特征）對圖像進(jìn)行特征提取，再采用mRMR（Minimal Redundancy and Maximal

2、Relevance，最小冗余最大相關(guān)）對特征進(jìn)行選擇，最后利用SVM（Support Vector Machine，支持向量機(jī)）對特征集進(jìn)行分類判別。本文主要工作內(nèi)容如下：
　?。?）本文研究了HLAC（Higher Order Local Autocorrelation，高階局部自相關(guān)）算法，提出基于HLACLF的特征提取算法，并研究了HLACLF方法在新生兒疼痛表情識別上的應(yīng)用。研究HLACLF在提取特征表情時(shí)不同階次（分別取

3、N=2，N=3），不同的位移距離（窗口大小分別取3×3，5×5，7×7）對識別效果的影響。同時(shí)通過多尺度分辨率圖像結(jié)合的方法解決了HLACLF不具備縮放不變性的缺點(diǎn)。
　?。?）研究了基于mRMR的特征降維方法，針對特征之間的相關(guān)性和冗余性，采用mRMR特征選擇算法對HLACLF提取到的特征進(jìn)行降維，通過實(shí)驗(yàn)觀察特征降維的維數(shù)對實(shí)驗(yàn)最終結(jié)果的影響。
　?。?）研究了統(tǒng)計(jì)學(xué)習(xí)理論下的SVM分類器在新生兒疼痛表情識別中的應(yīng)用，研