基于改進(jìn)的LBP算子和稀疏表達(dá)在人臉表情識(shí)別上的醫(yī)用.pdf

1、眾所周知，人臉表情是人們?cè)谌穗H交流中情感的直接流露和內(nèi)心信息直接表達(dá)，是人類(lèi)感情信息傳播與人際關(guān)系調(diào)和的重要渠道，多被應(yīng)用到模式識(shí)別、機(jī)器視覺(jué)、智能控制等領(lǐng)域。因此，更高效的人臉表情識(shí)別算法的研究具有十分重要的意義。本文主要研究了人臉表情識(shí)別過(guò)程中的圖像特征提取以及圖像分類(lèi)，具體研究?jī)?nèi)容如下：
　?。?）綜述并分析了與人臉表情識(shí)別相關(guān)的前人研究工作，并詳細(xì)論述了人臉表情圖像的識(shí)別過(guò)程。同時(shí)，介紹了壓縮感知基礎(chǔ)理論知識(shí)，分析了稀疏表

2、示、傳感矩陣和稀疏信號(hào)重構(gòu)優(yōu)化算法，并詳細(xì)分析了重構(gòu)優(yōu)化算法中的貪婪追蹤算法和凸優(yōu)化算法。
　　（2）針對(duì)傳統(tǒng) LBP算子特征值計(jì)算時(shí)并未考慮圖像中心像素點(diǎn)，本文提出了分塊的C-LBP算子，并將中心像素點(diǎn)加入到特征值計(jì)算中并賦予最高權(quán)值。同時(shí)，基于C-LBP算子特征提取時(shí)，考慮不同分塊策略和不同特征維數(shù)對(duì)圖像識(shí)別率的影響。實(shí)驗(yàn)表明：在CK庫(kù)中，當(dāng)訓(xùn)練樣本達(dá)到280、分塊策略為5×3時(shí)，并采用PCA特征降維方法，本文提出的基于分塊

3、C-LBP算子結(jié)合 GPSR分類(lèi)算法的平均識(shí)別率達(dá)到80.43％。
　　（3）傳統(tǒng)的OMP算法獲得字典的稀疏系數(shù)值過(guò)小或?yàn)樨?fù)數(shù)，影響了圖像分類(lèi)準(zhǔn)確度。本文提出了改進(jìn)的OMP算法，通過(guò)對(duì)稀疏系數(shù)直接限制來(lái)對(duì)信號(hào)重構(gòu)進(jìn)行優(yōu)化，以減少稀疏系數(shù)負(fù)值的產(chǎn)生。實(shí)驗(yàn)表明：在JAFFE數(shù)據(jù)庫(kù)和CK庫(kù)中，與OMP算法相比，改進(jìn)的OMP算法具有較好的識(shí)別效果。在CK庫(kù)中采用PCA結(jié)合C-LBP算子進(jìn)行特征提取時(shí)，改進(jìn)的OMP算法的平均識(shí)別率達(dá)到了80