基于多尺度局部Gabor二值模式復合特征的人臉表情識別的研究.pdf

1、人臉表情識別是一個極具挑戰(zhàn)性和深遠意義的科研課題,它不僅涉及模式識別、計算機視覺、計算機圖形學領域,還與心理學、生理學等領域相關,具有廣泛的應用前景。隨著計算機性能的不斷提高和數(shù)字圖像獲取的廉價化,近些年人臉表情識別飛速發(fā)展,其中,很多的相關應用研究都要求能夠基于單幅靜態(tài)圖像分類識別人臉表情。因為動態(tài)視頻序列包含多幀圖像,信息量較為豐富,而單幅靜態(tài)圖像含有的信息量則要少很多,因此基于后者的表情分類識別也更為復雜。為了能夠在單幅靜態(tài)圖像的

2、表情分別識別中取得更高的識別準確率,本為提出了基于多尺度局部Gabor二值模式復合特征的人臉表情識別算法。論文的主要工作如下:
　　(1)在人臉檢測與定位環(huán)節(jié),本文采用了基于Haar-Like特征值和Adaboost學習算法的人臉圖像分割算法。
　　(2)在圖像預處理環(huán)節(jié),對上一步輸出的面部表情區(qū)域進行了尺寸歸一化、去除噪聲和灰度均衡化等預處理操作,而后通過交互的方法標注出主要的人臉面部表情區(qū)域,為之后的特征提取和分類識別工

3、作奠定好基礎。
　　(3)在特征提取環(huán)節(jié),本文將具有多分辨表征能力的二維Gabor變化與具有局部描繪能力的MS-LBP算子相結合,提出了多尺度局部Gabor二值模式復合特征(MS-LGBP),意在多個尺度下進行特征提取,將有限的特征發(fā)揮到極致。
　　(4)在表情分類識別環(huán)節(jié),本文使用基于BP神經網絡的分類器,并在JAFFE表情數(shù)據(jù)庫上進行了兩種類型的實驗,并且對實驗數(shù)據(jù)進行了詳細的分析。最后驗證了本文提出的MS-LGBP復合