基于譜圖理論的人臉表情識別算法研究.pdf

1、隨著信息和計算機(jī)技術(shù)的飛速發(fā)展,人臉面部表情識別技術(shù)越來越受到重視。人臉表情識別是智能人機(jī)交互的重要基礎(chǔ),該課題涉及圖像處理、運(yùn)動跟蹤、模式識別、生理學(xué)、心理學(xué)等研究領(lǐng)域,是當(dāng)前國內(nèi)外模式識別和人工智能領(lǐng)域的研究熱點(diǎn)。本文主要研究人臉表情特征提取的若干問題?；谧V圖分析理論,分析表情圖像的內(nèi)在特性,提出能夠有效表征人臉表情的特征從而用于分類。主要創(chuàng)新性工作包括:
　　 第一,為挖掘人臉表情圖像樣本的內(nèi)在結(jié)構(gòu),采用監(jiān)督型譜分析方法

2、(SSA)提取表情特征。將人臉表情圖像樣本表示為圖的形式,然后用譜圖分析的方法處理這些圖的結(jié)構(gòu)。與傳統(tǒng)譜聚類方法和其它降維方法相比,監(jiān)督型譜分析方法具有以下三個優(yōu)點(diǎn)(1)解決了小樣本問題(small-sample-size),可直接對表情樣本向量進(jìn)行矩陣變換,不需要用其它降維方法進(jìn)行預(yù)處理;(2)利用樣本的類別信息,將樣本點(diǎn)及其關(guān)系看做連接圖進(jìn)行分析,映射后的結(jié)構(gòu)也很好的保留了原有圖的特性:(3)可以反映數(shù)據(jù)潛在的非線性特性。實(shí)驗(yàn)結(jié)果表

3、明它可以有效地提取人臉表情特征,提高人臉表情識別的精確度。
　　 第二,為了增強(qiáng)譜分析方法的判別性,提出了基于判別信息的譜分析方法(DSA)。譜分析方法主要保留數(shù)據(jù)的非線性局部結(jié)構(gòu),即同類樣本點(diǎn)之間的近鄰關(guān)系,而忽略了不同表情類別之間的關(guān)系,從而影響表情分類結(jié)果。針對這個問題,我們在譜分析算法中引入判別信息,同時考慮數(shù)據(jù)集的非線性局部結(jié)構(gòu)和非線性外部結(jié)構(gòu),在保留樣本點(diǎn)近鄰關(guān)系的基礎(chǔ)上也保留表情類別之間的近鄰關(guān)系,從而得到判別性能

4、更強(qiáng)的人臉表情特征。
　　 第三,為了解決基于向量的特征降維方法數(shù)據(jù)矩陣維數(shù)過高,計算量大等問題,提出基于二維圖像的模糊判別性局部保留映射算法(2D-FDLPP)。將模糊性和判別性引入監(jiān)督型局部保留映射算法,并擴(kuò)展到基于二維圖像矩陣?；趫D像矩陣的二維降維方法不需要將二維圖像轉(zhuǎn)換為一維向量,直接對二維圖像矩陣進(jìn)行特征提取運(yùn)算,克服了矩陣奇異等問題,且提取的特征中包含更多圖像信息。在二維局部保留映射算法的基礎(chǔ)上,利用模糊方法計算樣

5、本類別隸屬度,構(gòu)建模糊權(quán)重矩陣,從而分散相似表情類別之間的近似特征。此外,將表征表情類別間近鄰關(guān)系的加權(quán)類間離散度引入目標(biāo)函數(shù),使其同時考慮樣本近鄰點(diǎn)之間的局部保留特性和表情類別之間的局部保留特性,得到判別性強(qiáng)的表情特征。
　　 第四,提出基于圖的稀疏非負(fù)矩陣分解方法(GSNMF)并用于提取人臉表情特征。常用的基于矩陣分解的特征降維方法所得到的分解矩陣中常包含負(fù)數(shù),而負(fù)數(shù)在表情圖像分析中是沒有意義的。因此,我們基于非負(fù)矩陣分解的