壓力狀態(tài)下人臉高光譜圖像波段選擇方法研究.pdf

1、針對生理信號非接觸識別壓力的研究是情感計算的一項重要內(nèi)容，而基于高光譜技術提取的人臉血氧含量可用于壓力的非接觸識別。高光譜圖像在包含豐富信息的同時，其龐大的數(shù)據(jù)量、眾多的波段、相鄰波段極強的相關性等也給壓力識別的實時處理帶來了很大的困難，解決這個問題的關鍵就是減少高光譜圖像的波段數(shù)量，波段選擇是最為常用的波段降維方式，故本文在基于高光譜技術提取的人臉血氧含量用于壓力識別的基礎上，針對高光譜圖像的波段選擇算法進行研究。主要工作如下：

2、>　?。?）提出了一種改進的基于多頭絨泡菌模型的高光譜圖像波段選擇算法。多頭絨泡菌模型能夠解決最短路徑問題，該問題與高光譜波段選擇中尋找最小冗余波段組合的問題相似。本文將多頭絨泡菌算法應用到高光譜波段選擇中，通過絨泡菌網(wǎng)絡自組織、自優(yōu)化的特性對波段進行選擇。此外，為了實現(xiàn)波段的自動選擇，提出了基于互信息的非均勻子空間劃分方式，同時采用了最佳指數(shù)倒數(shù)作為適應函數(shù)參與波段選擇。實驗結果表明使用非均勻劃分子空間方式比傳統(tǒng)的均勻劃分方式的效果更

3、好，采用最佳指數(shù)倒數(shù)這種適應函數(shù)選擇的波段效果比采用傳統(tǒng)的相關性好，使用多頭絨泡菌算法選擇的波段組合的壓力識別效果接近于全部波段，證明了算法的有效性。
　?。?）提出結合線性預測與禁忌搜索的高光譜圖像波段選擇算法。結合壓力狀態(tài)下的人臉高光譜數(shù)據(jù)，將線性預測獲取的較優(yōu)組合作為禁忌搜索的初始解，以壓力的分類準確率作為適應函數(shù)，利用禁忌搜索算法優(yōu)化波段組合使之具有更高的壓力分類準確率。實驗結果表明結合禁忌搜索算法選擇的波段對壓力的識別更

4、精確，證明了算法的有效性。
　?。?）設計心理壓力誘發(fā)實驗，獲取了25名普通大學生的面部高光譜圖像數(shù)據(jù)，包括心理壓力和平靜狀態(tài)。此外，對采集的數(shù)據(jù)進行預處理，提出了一種基于血氧直方圖的端元自動提取方法，將該方法產(chǎn)生的樣本光譜曲線數(shù)據(jù)用于波段選擇；采用了最小噪聲分離法去除高光譜數(shù)據(jù)中的噪聲，實驗結果表明去噪后的數(shù)據(jù)比未去噪數(shù)據(jù)產(chǎn)生的面部血氧圖更清晰，更利于波段選擇后的壓力識別。
　　本文利用采集的高光譜數(shù)據(jù)對提出的兩種算法做了