论文部分内容阅读
人脸表情识别技术在生理学、心理学、图像处理、模式识别和机器视觉等领域是一个极具挑战性的交叉课题。随着表情识别的深入研究,研究人员发现,太阳镜、口罩、围巾等装饰物都会造成面部遮挡。本文先对典型遮挡形式(眼部、嘴部、左部和右部遮挡)展开了研究,在充分考虑遮挡的随机性特点(遮挡可以发生在人脸的任何地方,遮挡范围的大小和形状是未知的)的情况下,又对随机遮挡情况下的表情识别进行了研究,本文的主要研究内容如下:1、典型遮挡形式的表情识别1)表情图像预处理与表情区域分割。由于数据库中的表情图像稍有头部倾斜和尺寸大小不一,需要经过预处理来消除这些差异。本文通过旋转使眼睛水平面对准,并根据两眼间的距离从原始的表情图像裁剪出实验用只含正面人脸表情的矩形区域。将两数据库中的表情图像尺寸归一化为128×104,并利用直方图均衡化来增强表情图像某些区域的局部对比度。对于人脸表情而言,不同表情类间的显着特征主要集中在眼睛、鼻子和嘴区域。为了更好的提取眼睛、鼻子和嘴三个区域的纹理特征,来减少遮挡对人脸表情识别的影响,本文将人脸表情图像分割成2行3列共6个区域。2)针对局部遮挡造成辨识信息缺失问题,提出了基于韦伯局部描述(Weber Local Descriptor, WLD)直方图的特征提取方法。WLD可以模拟人类感知来提取图像显著变化的特征,通过差异激励计算显著的微小模式,并建立与这些显著模式在该像素点上沿梯度方向上的统计信息。WLD算子可以看作是把局部二值模式在计算像素间强度和尺度不变特征转换在使用梯度方向信息方面的优势进行结合的一种产物。3)针对提取的表情局部特征以及遮挡对人脸表情图像的影响,主要集中于图像的某一连续区域,对这一区域影响较大,而对于其他的区域影响较小的特点,提出了基于线性依赖模型的分类器融合方法。基于分块决策的策略是有效的解决遮挡的另一种途径,分块决策的主要思想就是将人脸表情图像分成若干块,针对每块设计一个分类器,最后融合每个分类器的输出得到待测表情图像的所属类别。2、随机遮挡情况下的表情识别随机遮挡特点是遮挡可以发生在人脸的任何地方,且遮挡大小和遮挡的形状是未知的,没有任何关于它的先验知识。针对局部遮挡的随机性特点以及原始的稀疏表示模型实际上假定表示残差是遵循高斯分布的,这可能不足以准确描述实际人脸表情识别系统的表示残差。因此,本文提出一种基于鲁棒的正则化编码人脸表示模型来解决随机遮挡情况下的表情识别。