分?jǐn)?shù)階傅里葉變換聯(lián)合模糊融合分類的人臉表情識(shí)別研究.pdf

1、進(jìn)入21世紀(jì),伴隨著計(jì)算機(jī)、互聯(lián)網(wǎng)、通信技術(shù)以及其他相關(guān)領(lǐng)域的飛速發(fā)展,人臉表情識(shí)別已經(jīng)成為一個(gè)研究熱點(diǎn)。其可以應(yīng)用于很多領(lǐng)域諸如安全駕駛,遠(yuǎn)程教育,數(shù)字家庭,輔助醫(yī)療和游戲娛樂(lè)系統(tǒng),其廣泛的應(yīng)用前景使表情識(shí)別的研究具有很高的理論價(jià)值和實(shí)際意義。
　　 人臉表情識(shí)別系統(tǒng)主要包括下面幾個(gè)部分:人臉表情圖像的檢測(cè)和預(yù)處理,特征提取,降維以及分類鑒別。人臉表情圖像的檢測(cè)和預(yù)處理作為第一部分,主要是為了獲取人臉表情圖像并且通過(guò)預(yù)處理使圖

2、像更利于我們的識(shí)別系統(tǒng)。特征提取則是通過(guò)一定的算法或是變換,實(shí)現(xiàn)對(duì)圖像的特征信息進(jìn)行提取,是整個(gè)系統(tǒng)中最核心的部分。而降維則是為了降低在識(shí)別過(guò)程中的計(jì)算復(fù)雜度,在保留主要特征信息的基礎(chǔ)上,減少表情信息的信息量。分類判別則是識(shí)別系統(tǒng)的最后一步,它將特征提取和降維后的特征信息通過(guò)特定的分類器進(jìn)行分類判別,從而達(dá)到人臉表情的識(shí)別。而本文的重點(diǎn)主要是對(duì)特征提取,降維和分類判別幾個(gè)部分做了相應(yīng)的研究,具體工作如下:
　　 在特征提取中,本

3、文采用的是分?jǐn)?shù)階傅里葉變換對(duì)表情圖像進(jìn)行特征提取,文中首先對(duì)一維分?jǐn)?shù)階傅里葉變換的基本定義和理論做了介紹,并且根據(jù)量綱歸一化對(duì)分?jǐn)?shù)階傅里葉變換離散化,然后根據(jù)一維分?jǐn)?shù)階傅里葉變換推導(dǎo)了出二維分?jǐn)?shù)階傅里葉變換及其離散形式,以及性質(zhì)。利用二維分?jǐn)?shù)階傅里葉變換對(duì)表情圖像進(jìn)行特征提取,并對(duì)提取后的幅度和相位信息做了相應(yīng)的研究。
　　 利用PCA和FLDA方法對(duì)經(jīng)過(guò)特征提取后的表情信息進(jìn)行降維處理,之所以采用PCA方法是因?yàn)榻?jīng)過(guò)PCA降維

4、后保存了數(shù)據(jù)的主要信息,從而使數(shù)據(jù)更容易處理,并且具有保能量性、去相關(guān)性以及能量重新分配和集中等優(yōu)點(diǎn),并且它可以使FLDA中類間散布矩陣非奇異。而采用FLDA方法是因?yàn)槠淠軌蚩紤]樣本的信息,使類間樣本距離最大,類內(nèi)距離最小,并且能夠?qū)Ρ砬樾畔⑦M(jìn)一步的降維。
　　 在分類器的選取上,本文采用模糊融合分類器,首先利用三個(gè)單一分類器對(duì)表情信息進(jìn)行分類,從而得出一個(gè)置信度矩陣,通過(guò)模糊積分對(duì)這個(gè)置信度矩陣中的置信值和模糊測(cè)度進(jìn)行積分,得