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),請進行舉報或認領(lǐng)
文檔簡介
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
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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Gabor小波變換和LBP結(jié)合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
- 基于局部二值模式和稀疏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
- 基于Curvelet變換的新生兒疼痛表情識別研究.pdf
- 新生兒疼痛表情識別方法的研究.pdf
- 基于流形學習算法的新生兒疼痛表情識別.pdf
- 基于Log-Gabor的新生兒疼痛表情特征提取的研究.pdf
- 基于壓縮感知的新生兒疼痛表情識別方法.pdf
- 新生兒疼痛面部表情識別方法的研究.pdf
- 基于模糊SVM的新生兒疼痛表情識別方法研究.pdf
- 基于LBP-top特征的新生兒疼痛表情識別研究.pdf
- 基于視頻序列的新生兒疼痛表情識別系統(tǒng)的研究.pdf
- 基于分塊加權(quán)局部二值模式的新生兒疼痛表情識別.pdf
- 基于Gabor小波與稀疏表示的人臉識別方法研究.pdf
- 新生兒疼痛表情識別中的特征降維方法研究.pdf
- 組合分類器在新生兒疼痛表情識別中的應用.pdf
- 基于Gabor小波的人臉表情識別研究.pdf
- 新生兒疼痛
- 基于Gabor小波變換和SVM的人臉表情識別.pdf
評論
0/150
提交評論