基于剪切波變換的人臉表情識別技術(shù).pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論