人臉表情識別的特征提取與奶牛體型線性評定數(shù)字化的若干研究.pdf

1、圖像處理與模式識別是一門前景遠大的新型交叉學科，在人工智能、生物醫(yī)學、衛(wèi)星遙感、工業(yè)監(jiān)測和機器人控制等領域獲得了廣泛的應用，并迅速滲透到農(nóng)業(yè)科研和生產(chǎn)技術領域。本文的兩個主要研究內(nèi)容正是圖像處理與模式識別理論在相關領域的應用，其中人臉表情識別是其在人工智能領域的應用，奶牛體型線性評定數(shù)字化是其在農(nóng)業(yè)生產(chǎn)領域的應用。
　　 表情是人們情感的外在表現(xiàn)，是情感的主要載體，所以利用計算機對面部表情進行分析與識別，有利于實現(xiàn)情感的智能化，

2、對人工智能乃至人工情感的發(fā)展具有重要的意義。
　　 根據(jù)人臉表情識別的步驟，人臉表情識別系統(tǒng)的算法主要包括圖像處理算法、特征提取算法和分類算法。論文先是對人臉表情識別的各類算法進行了綜述，并介紹了一些經(jīng)典算法，然后重點討論了其中的特征提取算法。
　　 論文在充分研究現(xiàn)有的表情識別的各種算法的基礎上，力求尋找適合于表情識別的特征提取算法。論文提出了一種較為簡單有效的特征提取算法，即基于Contourlet變化與FLD的人臉

3、表情特征提取算法。這種方法首先對預處理過的圖像進行Contourlet變換，其中Contourlet變換是一種新的多尺度幾何分析方法，它在具備小波變換的多分辨率特性和時頻局部特性的同時，還具有很強的多方向選擇性和各向異性。由于圖像經(jīng)過Contourlet變換后的低頻分量體現(xiàn)表情的概貌，高頻方向子帶體現(xiàn)表情的輪廓，紋理等細節(jié)，所以這里將低頻分量與部分高頻方向子帶結合起來作為整體特征，從而既壓縮了圖像的數(shù)據(jù)量，又體現(xiàn)了表情的本質(zhì)特征，然后用

4、Fisher線性判別法(FLD)進行特征提取，最后采用k-近鄰法進行分類。實驗證明，該方法比經(jīng)典的FLD方法有著更快的特征提取速度與更高的表情識別率，而且過程簡單，易于實現(xiàn)。
　　 此外，論文對奶牛體型線性評定的數(shù)字化進行了若干研究。奶牛體型線性評定是奶牛優(yōu)化育種工作的一項重要內(nèi)容，而數(shù)字圖像處理雖然已經(jīng)廣泛應用于自動控制、模式識別、人工智能籌領域，但在奶牛養(yǎng)殖領域應用較少，在奶牛體型線性評定中更只是處于起步階段。論文在充分借鑒

5、已掌握的圖像處理曷模式識別的成熟理論與算法的基礎上，結合奶牛體型圖像的自身特點，力圖實現(xiàn)將數(shù)字圖像處理技術應用到奶牛體型線性評定中。論文進行了奶牛特征部位的選擇、拍攝方位與角度的選擇、初步建立奶牛體型圖像庫、奶牛黑白花的處理等若干研究工作，并取得了初步的研究成果。
　　 奶牛體型線性評定數(shù)字化能夠提高奶牛體型線性評定的效率與準確率，提高奶牛養(yǎng)殖的規(guī)?；?、規(guī)范化與自動化程度，從而促進奶牛業(yè)這一資源利用最為節(jié)省的畜牧業(yè)的發(fā)展，這也成