论文部分内容阅读
人脸表情识别是心理学、生理学、图像处理、机器视觉、模式识别等多领域的一个富有潜力和挑战的课题。为了满足人脸表情识别系统在实际生活中的应用，越来越多的研究者开始对人脸表情识别算法进行研究。情感特征提取和分类的准确性和有效性是人脸表情识别应用系统成功与否的关键。虽然已经有很多人脸表情识别技术的出现，但是针对目标遮挡、图像噪声以及图像晃动等干扰因素下的人脸表情识别尚未成熟。为解决上述问题，本文对在多种干扰因素下的人脸表情特征提取和分类进行了深入研究，并提出了一种弹性图匹配和改进Hausdorff距离相似度计算相结合的分类算法。主要完成的工作内容如下：1)人脸表情图像情感特征提取。人脸表情感情特征提取的好坏直接影响到后续的情感分类。本文主要采用多尺度、多方向的Gabor滤波器组进行人脸表情特征提取。因为Gabor小波对光照的不敏感，且对一定程度的图像旋转和变形具有很好的鲁棒性。2)人脸表情图像分类。利用弹性模板匹配在表情分类的优势和改进Hausdorff距离在噪声干扰环境下相似度计算的优势，本文提出了应用弹性图匹配和改进Hausdorff距离相似度计算相结合的算法，实验证明相对于采用传统分类算法，在识别效率上有很大的提高。3)最后，人脸表情识别分类系统设计。基于本文提出的改进算法，开发了一套人脸表情识别系统，采用JAFFE表情数据库和Cohn-Kanade表情数据库进行测试，并分别采用传统算法和本文提出的改进算法进行实验对比。实验分析证明，在干扰环境下，本文提出的人脸表情分类方法比传统方法识别效果更好。