基于Gabor特征的人脸表情识别和手写体汉字识别

摘要

为了在计算机和用户之间建立一种更直观、更自然和友好的信息交互方式，新型的人机交互技术正逐渐成为研究热点，科学工作者进行了人脸表情识别和汉字识别等多方面的研究工作。围绕这一问题，本论文主要对Gabor特征提取、特征降维及分类器设计、人脸表情识别系统、手写体汉字识别系统四个方面进行了研究。 首先，本文研究了Gabor滤波器的特性，Gabor滤波器在空间域可以看作是一个被Gaussian函数调制的正弦平面波，详细分析了正弦平面波和Gaussian函数的属性，介绍了Gabor特征提取方法以及滤波器组的构成。 其次，本文介绍了两种常用的特征降维的方法PCA和LDA，PCA的目的是寻找在最小均方意义下最能够代表原始数据的投影方法，而LDA的目的是寻找在最小均方意义下最能够区分各类数据的投影方法。在此基础上，本章给出了分类器的设计框图，并重点介绍了针对不同距离测度的距离分类器。 然后本文重点研究了人脸表情识别的预处理、特征提取和分类方法，针对传统的Gabor滤波器组存在特征提取时间较长以及特征数据存在冗余性的缺点，本文提出了一种新颖的局部Gabor滤波器组。为了评估该方法的识别性能，提出了一个基于Gabor特征的人脸表情识别系统。该系统首先对经过预处理之后的纯表情图像提取Gabor特征，然后用PCA+LDA方法对采样后的特征进行特征选择，最后采用距离分类方法识别人脸表情。实验表明这种方法无论在计算量还是识别性能上都比传统的Gabor滤波器组更具有优势。该方法的创新之处在于选取局部Gabor滤波器，对于JAFFE人脸表情数据库，最高平均识别率达到了97.33％，表明其适合于人脸表情图像的分析。 最后比较了手写体汉字识别中多种方向特征和Gabor特征的识别性能，提出了多尺度Gabor特征提取方法能够获得更高的识别性能，说明多尺度多方向的Gabor特征具有更好的推广性和鲁棒性。

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文版权使用授权书

第一章　绪论

第二章　Gabor滤波器概述

第三章　特征降维及分类器设计

第四章　基于局部Gabor滤波器组的人脸表情识别

第五章　基于Gabor特征的手写体汉字识别

结论

参考文献

攻读学位期间发表的学术论文

致谢

附录A　人脸表情识别系统的界面及介绍