基于Gabor小波以及稀疏表示的新生兒疼痛表情識別.pdf

1、根據(jù)近年來的醫(yī)學研究表明，新生兒對于疼痛是有一定感知力的，這種早期疼痛對以后的發(fā)育和成長都會造成一定的影響。由于新生兒不具有表達這種疼痛感受的能力，面部表情被認為是一種能有效描述這種疼痛感的評估指標。因此，開發(fā)一套新生兒疼痛表情自動評估系統(tǒng)具有廣闊的應用前景。對于這一課題的研究，本文主要完成如下工作：
　?。?）著重討論Gabor小波變換以及不同Gabor內(nèi)核窗大小對識別率的影響。實驗證明，使用Gabor小波變換提取特征具有較好的

2、空間域、頻率域局部性，以及多方向選擇性，可以很好的保存表情圖像細節(jié)部分。
　?。?）本文在主成分分析PCA降維的理論基礎(chǔ)上，采用了二次2D-PCA對Gabor特征值進行降維。實驗證明，使用2D-PCA降維較PCA方法大大提高了運算效率。
　?。?）結(jié)合壓縮感知理論基礎(chǔ)，對測試圖像進行稀疏表示，并且比較不同系數(shù)求解方法的識別效果。實驗證實，使用牛頓法求得的系數(shù)解最能逼近原圖像，識別效果最好，但同時運算復雜度也最高。
　　

3、（4）比較Gabor+PCA與Gabor+2D-PCA提取特征方法，實驗結(jié)果顯示，在不影響識別率的前提下，2D-PCA降維方法可大大提高運算速度。比較 Gabor+2D-PCA與下采樣+2D-PCA方法，結(jié)果顯示，使用 Gabor方法提取特征的識別結(jié)果可達到94％-95%的識別率，遠遠高于后者。
　　本文通過對具體算法討論以及實驗結(jié)果分析得出結(jié)論：使用Gabor+2D-PCA方法提取特征并降維，結(jié)合牛頓法求解稀疏系數(shù)進行分類可以得