基于非對稱局部梯度編碼及多特征融合的人臉表情識別.pdf

1、人臉表情識別技術(shù)是計算機視覺和模式識別領(lǐng)域的一個研究熱點，也是一個難點。它具有重要的理論研究價值和商業(yè)意義，近年來吸引大量的學者和研究機構(gòu)投入到其研究中。本文對人臉表情識別中特征提取方法進行了分析與研究，對傳統(tǒng)的紋理特征方法進行了改進，并根據(jù)不同特征的特性，提出有效的特征融合方法。本文的主要工作如下:
　　(1)針對局部梯度編碼算子(Local Gradient Coding，LGC)只能在固定大小鄰域內(nèi)提取圖像紋理特征的不足，提

2、出了一種非對稱鄰域LGC算子(AsymmetricRegion Local Gradient Coding，AR-LGC)多尺度融合的表情特征提取方法。首先，對歸一化的表情圖像進行Gauss濾波處理;然后，對圖像進行分塊，對每個子塊圖像中每一像素點，采用不同鄰域大小的AR-LGC算子得到兩個二進制序列，將兩個序列進行按位邏輯異或運算，得到一個新的序列，對此序列進行編碼，計算每個子塊的直方圖分布，級聯(lián)各子塊直方圖構(gòu)成人臉表情的特征;最后采

3、用支持向量機(Support Vector Machine，SVM)分類器進行表情分類識別。該表情特征提取方法通過融合不同梯度不同尺度子鄰域間的強度關(guān)系，可以很好地表達圖像的局部特征和全局特征。該算法在JAFFE庫和CK庫上進行實驗，并與典型的紋理特征提取算法進行對比，實驗結(jié)果表明了該算法的有效性。
　　(2)為克服單一特征在分類性能上的片面性和局限性，提出了一種多特征融合的人臉表情識別方法。首先，通過計算待選擇特征與當前特征子集