基于剪切波變換的人臉表情識別技術(shù).pdf

1、人臉表情識別技術(shù)在人機交互和智能交通系統(tǒng)領(lǐng)域有著廣闊的應(yīng)用前景,是目前一個非?；钴S的研究領(lǐng)域。該技術(shù)主要涉及兩個方面的問題,如何有效地獲取人臉面部表情特征以及如何開展表情分類分析研究。本論文將對以上兩個關(guān)鍵問題進行研究,并將剪切波(Shearlet)變換和壓縮感知理論應(yīng)用于表情識別中。作為一新興的多尺度幾何分析工具,Shearlet不僅具有小波變換的多分辨率特性和時頻局域特性,還具有很強的方向敏感性和各向異性。本論文的主要研究內(nèi)容和創(chuàng)新

2、點如下:
　　 1.研究了二維離散可分離剪切波變換(2D-DSST)在圖像處理領(lǐng)域的性質(zhì),并在此基礎(chǔ)上確定了圖像在Shearlet域特征提取的依據(jù)。同時對本文仿真實驗所使用的人臉表情數(shù)據(jù)庫及預(yù)處理方法進行了相關(guān)說明,并用最近鄰插值法對圖像進行降維,滿足2D-DSST離散算法對輸入圖像尺度的要求。
　　 2.提出了一種基于DSST和支持向量機(SVM)的表情識別方法,采用低頻和某尺度高頻分量融合作為表情特征。對DSST變換

3、的尺度和高頻分量與表情識別率之間的關(guān)系分別進行了定量實驗分析。實驗結(jié)果表明,高頻分量也具有一定的識別性能,但識別率較低,將低頻和高頻分量融合能夠更有效提取出表情的本質(zhì)特征,能夠有效提高識別結(jié)果。與其他已有算法的仿真比較也驗證了本文所提算法的有效性。
　　 3.提出了一種DSST變換尺度與方向選擇的優(yōu)化方法。通過使用可分性分析,來評價Shearlet變換中不同尺度與方向的優(yōu)劣。然后選取具有最佳可分性指標的尺度和方向,以實現(xiàn)特征維度