基于非負(fù)矩陣分解的人臉表情識別.pdf

1、非負(fù)矩陣分解算法（Non-negative Matrix Factorization，簡稱NMF）是目前國際上提出的一種新的矩陣分解方法。與其他矩陣分解方法相比，NMF特殊之處在于其通過將非負(fù)性約束引入矩陣分解過程中，這種約束會得到原始數(shù)據(jù)基于部分的表示，從而更好的反映原始數(shù)據(jù)的局部特征。 人臉表情識別是近幾十年來才逐漸發(fā)展起來的一個科研熱點(diǎn)，指利用計(jì)算機(jī)分析特定人的臉部表情及變化，進(jìn)而確定其內(nèi)心情緒或思想活動，實(shí)現(xiàn)人機(jī)之間更自

2、然更智能化的交互。它在許多領(lǐng)域都有著潛在的應(yīng)用價值，包括心理學(xué)研究、圖像理解、合成臉部動畫、視頻檢索、機(jī)器人技術(shù)、虛擬現(xiàn)實(shí)技術(shù)以及基于臉部表情的新型人機(jī)交互環(huán)境。本文將非負(fù)矩陣分解算法運(yùn)用到人臉表情識別中，主要包含了以下內(nèi)容： （1）研究了非負(fù)矩陣分解算法的基本理論，分析了NMF算法在圖像處理方面應(yīng)用的特點(diǎn)，矩陣分解中非負(fù)約束的引入即僅允許圖像由基圖像或部件的加法構(gòu)成，不允許減法或減法組合的出現(xiàn)，來保證基于部件的感知行為，因此N

3、MF算法克服了其他分解方法在特征空間上投影得到的投影系數(shù)可能出現(xiàn)正負(fù)抵消的情況。 （2）研究了NMF算法在人臉表情特征提取上的應(yīng)用，在JAFFE和CED-WYU（1.0）人臉表情數(shù)據(jù)庫上提取每種表情的特征，并探討了如何選取基圖像的個數(shù)。將NMF算法和主成分分析（PCA）算法分別應(yīng)用于人臉表情圖像的分解與重構(gòu)，實(shí)驗(yàn)結(jié)果表明NMF算法能更有效的反映人臉表情特征，重構(gòu)誤差更小。 （3）研究了基于非負(fù)矩陣分解算法的人臉表情識別，