版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、近年來,新生兒疼痛引起醫(yī)護(hù)人員的廣泛關(guān)注。由于新生兒不能自述疼痛的感受,疼痛評估成為新生兒學(xué)科中最具挑戰(zhàn)性的一個難題。新生兒疼痛面部表情被認(rèn)為是最可靠的疼痛指標(biāo),且持續(xù)時間最長,因而被國際上常用的新生兒疼痛評估工具選為評估指標(biāo)。然而,這些疼痛評估工具往往受到臨床醫(yī)護(hù)人員主觀因素的影響。因此,開發(fā)一種客觀、快速、有效的基于面部表情的新生兒疼痛自動評估系統(tǒng)具有非常現(xiàn)實的意義。面部表情的特征提取是該系統(tǒng)的核心,其有效性直接影響到系統(tǒng)的性能。特
2、征的選擇對特征提取具有非常重大的意義,能有效降低特征冗余,從而提高識別效率,降低計算時間和存儲量。
本文以新生兒疼痛表情為研究對象,以新生兒表情的特征選擇為主要研究內(nèi)容,完成了以下研究工作:
(1)采集新生兒圖片,建立一個新生兒面部圖像數(shù)據(jù)庫。
(2)采用8個方向和5個尺度的Gabor小波濾波器對新生兒表情圖片進(jìn)行變換,得到表情圖像的高維特征向量,完成新生兒表情圖片的特征描述。
(
3、3)采用AdaBoost算法對高維的特征向量進(jìn)行選擇,降低了Gabor特征的維數(shù),增強(qiáng)識別的效率和準(zhǔn)確性。
二維Gabor濾波器可以提取圖像不同頻率尺度和紋理方向的信息,并且對位移、形變、光照變化不敏感,具有良好的魯棒性。本文提出的方法綜合運(yùn)用了Gabor特征對于面部表情的良好表征能力以及AdaBoost算法的特征選擇能力。實驗結(jié)果表明,使用AdaBoost對Gabor特征進(jìn)行選擇后,對疼痛與非疼痛、疼痛與安靜、疼痛與哭的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于膚色特征和Adaboost算法的新生兒面部檢測.pdf
- 新生兒疼痛面部表情特征提取與選擇方法.pdf
- 新生兒面部表情特征提取的研究.pdf
- Adaboost算法及其在新生兒面部檢測中的應(yīng)用研究.pdf
- 新生兒疼痛面部表情識別方法的研究.pdf
- 基于流形學(xué)習(xí)算法的新生兒疼痛表情識別.pdf
- 基于LBP-top特征的新生兒疼痛表情識別研究.pdf
- 基于協(xié)作表示的新生兒疼痛表情識別.pdf
- 基于HLACLF的新生兒疼痛表情識別研究.pdf
- 新生兒面部的日常護(hù)理方法
- 基于Log-Gabor的新生兒疼痛表情特征提取的研究.pdf
- 新生兒疼痛表情識別中的特征降維方法研究.pdf
- 基于Curvelet變換的新生兒疼痛表情識別研究.pdf
- 新生兒生理特征
- 新生兒頭面部護(hù)理知多少
- 基于壓縮感知的新生兒疼痛表情識別方法.pdf
- 基于HCBP及特征選擇AdaBoost的人臉表情識別研究.pdf
- 新生兒疼痛表情識別方法的研究.pdf
- 新生兒面部檢測方法的研究與實現(xiàn).pdf
- 基于模糊SVM的新生兒疼痛表情識別方法研究.pdf
評論
0/150
提交評論