基于局部二值模式和非負矩陣分解的人臉表情識別.pdf

1、人臉表情識別是人機交互、情感計算、模式識別等領域的一個重要的研究熱點。人臉表情識別是生物特性辨識的一個重要分支，在金融安全、模式識別等領域受到了研究人員廣泛的關(guān)注。本文提出了一種基于分塊LBP（Local Binary Pattern，局部二值模式）和NMF（Non-negative Matrix Factorization，非負矩陣分解）的人臉表情識別方法。本文的研究工作主要有：
　　（1）研究了LBP特征提取方法在人臉表情識別

2、上的應用以及特征提取時表情圖像的分塊大小對識別性能的影響。首先對人臉表情圖像采用LBP算子得到LBP特征圖，然后將LBP特征圖分為3×3塊，4×4塊，5×3塊，5×5塊，6×7塊，7×7塊，分別對每個子塊的LBP特征進行統(tǒng)計得到每一塊的LBP直方圖，將所有子塊的LBP直方圖構(gòu)成一個聯(lián)合LBP直方圖，作為圖像的特征向量，實驗結(jié)果表明在7?7分塊模式下能得到最好的識別結(jié)果。
　　（2）研究了基于PCA（Principal Compon

3、ent Analysis，主元分析法）和NMF的特征降維方法，并對這兩種不同降維方法進行了實驗對比，實驗結(jié)果表明采用基于 NMF的特征降維方法能得到更好的識別結(jié)果。
　?。?）研究了基于CNN（Center-based Nearest Neighbor，中心最近鄰）的分類方法在人臉表情識別上的應用，并與最近鄰分類和SVM（Support Vector Machine，支持向量機）這兩種分類方法進行了對比，實驗結(jié)果表明中心最近鄰算法