论文部分内容阅读
人脸表情识别是人机自然交互、计算机视觉、模式识别和图像处理等研究领域的热点课题,是情感计算、人机智能交互的重要组成部分,具有良好的发展前景。然而,由于人脸面部表情承载着非常丰富的情感和内心活动,不同性别、年龄及种族的人脸表情的细微差异成为了表情识别研究的一个难点,如何正确识别出人脸表情所属类别,是目前研究的重点。 由于不同人脸表情的纹理特征的差异小而难以辨别,使表情识别率不高。本文将表情图像进行特征分块,以突出不同的表情特征,利用Gabor小波多尺度多方向的特点,结合CBP算子对边缘、中心像素等细微特征敏感性的优点,提出基于CGBP特征提取方法。利用稀疏表示的模型优化特点,将稀疏表示分类方法引入到K-近邻分类方法中,可以有效提高表情分类效果。本文的主要工作如下: 1、针对人脸表情识别中不同人脸表情的纹理特征差异小而难以辨别的问题,通过分析对比LBP算子和CBP算子,得出CBP算子在维数、高强度噪声等方面都具有优越性。因此,将CBP算子与Gabor小波变换进行融合,得到具有多尺度多方向且对边缘、中心像素等微小特征敏感的特征提取方法。仿真实验结果表明,在相同实验条件下,该特征提取方法与LGBP特征提取方法相比,对细小特征的提取具有更加明显的效果。 2、针对 K-近邻分类方法抗干扰能力弱的缺点,结合稀疏表示分类算法,提出一种基于稀疏K-近邻表示的分类器设计方法,用于基于特征分块CGBP人脸表情识别算法中。在基于特征分块CGBP与稀疏K-近邻表示的人脸表情识别算法中,对不同类别表情图像的特征分块图像进行训练学习,提取各个子块的CGBP特征,构造过完备字典,然后利用稀疏K-近邻表示方法获取各个子块的残差矢量,进而通过判断残差矢量中最小残差值较多的类别,实现不同表情的分类识别。仿真实验结果表明,该算法能够在一定程度上克服人脸表情的纹理特性差异对表情识别的影响,有效提高表情识别率。