论文部分内容阅读
人脸表情识别技术在人机交互、人工智能、数字家庭等方面拥有广阔的市场价值和应用前景,因此利用计算机自动识别人脸表情技术在图像处理、模式识别、计算机视觉等领域逐渐成为新的研究趋势。本文研究了基于多阶次分数阶傅里叶域特征融合的人脸表情识别。针对传统特征融合算法的不足之处,提出了一种新的特征融合算法—鉴别多分量典型相关分析(DMCCA),并用它去融合人脸表情图像的不同阶次分数阶傅里叶变换域特征,在大大提高识别精度的同时,显著降低了融合后数据的维数,保证了实时性。主要研究内容可以概括为：1.介绍了分数阶傅里叶变换及其离散算法和二维形式,并且研究了基于单个阶次的分数阶傅里叶变换特征的人脸表情识别。论证了单个阶次的分数阶傅里叶域特征往往不能充分表征表情信息,需要将不同阶次的特征进行融合。2.提出了一种新的特征融合算法DMCCA.典型相关分析(CCA)作为一种广泛使用的融合算法,可以提取两组分量之间的联系信息进行融合。但是,CCA忽视了类别之间的有利于分类的鉴别性信息;而且,CCA只能融合两组分量,无法融合多组分量。针对CCA的这两点弊端,本文提出了一种新的特征融合算法DMCCA,它可以抽取分量之间的鉴别性信息,更有利于分类识别,同时也可以融合多组分量,具有普适性。提出了通过K-L变换的方法解决DMCCA的高维小样本问题,为DMCCA的广泛应用扫清了障碍。3.提出了基于多阶次分数阶傅里叶变换域特征融合的人脸表情识别方法。分别使用串行融合、MCCA和DMCCA融合多个阶次的表情图像的分数阶傅里叶变换特征来做人脸表情识别。仿真结果表明,不论是哪种融合方法,在融合一定数目的不同阶次的分数阶傅里叶域特征后,相对于单个阶次,识别率都有了不同程度的提高。这说明通过融合多阶次的分数阶傅里叶域特征,增加了分类判决所依赖的有效信息量,从而提高了识别精度。而在这三种融合算法中,DMCCA的融合效果是最好的,不仅识别精度最高,而且融合后的特征维数是最低的,这也佐证了DMCCA融合算法的有效性。DMCCA提取了多个阶次分数阶域特征之间的鉴别性信息进行融合,提高了识别精度,并同时大大降低了融合后的数据维数,保证了实时性。研究了基于不同尺度不同方向Gabor特征融合的人脸表情识别,并与分数阶域特征融合进行了比较。论证了DMCCA算法的有效性和分数阶域特征融合的优越性。