基于紋理信息的面部表情識別算法研究.pdf

1、人臉面部表情識別技術目前主要的應用領域包括人機交互、安全、機器人制造、醫(yī)療、通信和汽車領域等。人臉表情識別技術是涉及數(shù)字圖像處理、運動跟蹤、情感計算、模式識別、生理學、機器視覺、心理學、生物特征識別等領域的一個富有極具挑戰(zhàn)性的綜合交叉學科課題。人臉面部表情蘊含著豐富的情感和心理信息，能夠一定程度的反映出人的大腦的思維活動。面部表情識別主要涉及兩個問題，一個是怎樣獲得人臉面部表情的有效特征和怎樣有效的分析表情特征并正確的識別。本論文主要的

2、研究內(nèi)容與創(chuàng)新工作包括以下內(nèi)容:
　　1.為了克服表情識別中選擇移位和光照不均對識別效果的影響，提出了一種改進的局部二值模式算法。該算法具有極強的旋轉不變性和灰度不變性，而且能容忍一定程度的圖像旋轉和不變性。對傳統(tǒng)的局部二值模式算子進行改進，從而對于有噪聲的情形下和樣本圖像具有低分辨率時，該算法更加具有魯棒性和穩(wěn)定性。
　　2.針對Gabor小波特征提取后特征向量維數(shù)高的問題，提出了一種數(shù)學稀疏表示的Gabor小波表情識別算

3、法。Gabor小波的降維是其應用的關鍵所在，傳統(tǒng)的PCA算法可以降維，但是PCA沒有考慮到各類特征之間的區(qū)分性。稀疏表示理論是將信號投影到變換空間上從而得到緊湊并準確的表示，因此使用稀疏表示進行降維處理，可以有利于后續(xù)的表情識別的準確率。
　　3.針對傳統(tǒng)的小波對于在圖像邊緣提取特征時有明顯的不足，而圖像邊緣包含豐富的人臉表情信息，提出基于Curvelet特征的人臉表情識別算法。Curvelet特征能夠很好的包含圖像的邊緣信息，有