基于非負矩陣分解的人臉表情識別.pdf

1、非負矩陣分解算法（Non-negative Matrix Factorization，簡稱NMF）是目前國際上提出的一種新的矩陣分解方法。與其他矩陣分解方法相比，NMF特殊之處在于其通過將非負性約束引入矩陣分解過程中，這種約束會得到原始數(shù)據基于部分的表示，從而更好的反映原始數(shù)據的局部特征。 人臉表情識別是近幾十年來才逐漸發(fā)展起來的一個科研熱點，指利用計算機分析特定人的臉部表情及變化，進而確定其內心情緒或思想活動，實現(xiàn)人機之間更自

2、然更智能化的交互。它在許多領域都有著潛在的應用價值，包括心理學研究、圖像理解、合成臉部動畫、視頻檢索、機器人技術、虛擬現(xiàn)實技術以及基于臉部表情的新型人機交互環(huán)境。本文將非負矩陣分解算法運用到人臉表情識別中，主要包含了以下內容： （1）研究了非負矩陣分解算法的基本理論，分析了NMF算法在圖像處理方面應用的特點，矩陣分解中非負約束的引入即僅允許圖像由基圖像或部件的加法構成，不允許減法或減法組合的出現(xiàn)，來保證基于部件的感知行為，因此N

3、MF算法克服了其他分解方法在特征空間上投影得到的投影系數(shù)可能出現(xiàn)正負抵消的情況。 （2）研究了NMF算法在人臉表情特征提取上的應用，在JAFFE和CED-WYU（1.0）人臉表情數(shù)據庫上提取每種表情的特征，并探討了如何選取基圖像的個數(shù)。將NMF算法和主成分分析（PCA）算法分別應用于人臉表情圖像的分解與重構，實驗結果表明NMF算法能更有效的反映人臉表情特征，重構誤差更小。 （3）研究了基于非負矩陣分解算法的人臉表情識別，