基于加权矩形积分图的人脸表情识别研究

摘要

近年来，随着计算机技术的发展，面部表情识别系统广泛运用于各领域。人们对表情特征提取方法和分类方法进行了深入研究，提出了许多行之有效的方法。本文综述了课题的研究背景和意义，收集和分析了近年来国内外大量特征提取和特征分类的研究报告和学术论文，尤其对特征提取方法进行了深入研究，并在已有积分图基础上，提出了拓展积分图的特征提取方法，将该方法与支持向量机(SVM)结合实现表情识别。
　　 本文的主要内容如下：
　　 (1)提出将边缘检测和Otsu阈值法结合用于二值图像的方法。传统预处理图像时使用Otsu阈值化方法二值图像，并根据二值化后的图像定位人眼，这种方法不能较好的区分背景和表情图像，并且常因阈值选择不当而丢失一些特征信息，边缘检测方法能加强图像的边缘特征，尤其是图像的五官特征。这两种方法结合不仅能将背景和表情图像分开，而日五官特征显著，使人眼定位准确，有利于特征提取和表情分类。
　　 (2)提出旋转图像和拓展积分图的特征提取方法。该方法首先根据Gabor的频率和方向性定义一组加权矩形模板，然后根据Gabor小波在特征提取上的优缺点以及积分图的性质，变换旋转对象，提出旋转图像的特征提取方法，该方法使用灵活，能够用于各种角度模板的特征提取；为了和Gabor特征提取形成对比，拓展了积分图的概念，利用拓展积分图提取特征。这两种方法都模拟Gabor小波的多尺度多方向性，利用旋转图像积分图和拓展积分图求模板覆盖范围内的像素灰度值和，进而提取特征点的特征值。实验证明它们具有Gabor小波的尺度和方向性，尤其是拓展积分图实时性更好，提高了整个表情识别系统的效率。
　　 (3)深入研究支持向量机和Gabor小波特征提取配合使用的表情识别方法，并验证了它们具有较高的识别率，本文特征提取方法从Gabor特征提取演变而来，具有Gabor小波特征提取的性质，采用支持向量机对该方法提取的特征分类。实验证明该特征提取方法和支持向量机结合识别率高，系统实时性能高。
　　 (4)采用面向对象技术设计并实现了人脸表情识别系统。该系统由表情图像预处理，表情特征提取，表情分类识别三个模块组成，以验证本文提出的表情识别方法的有效性。

目录

文摘

英文文摘

声明

第1章 绪论

1.1 课题研究的背景和意义

1.2 国内外研究现状和发展趋势

1.3 表情识别系统

1.4 表情特征提取方法

1.5 表情分类方法

1.6 本文的研究内容和组织结构

第2章 表情图像预处理

2.1 噪声的去除

2.1.1 邻域均值滤波

2.1.2 中值滤波

2.1.3 高斯滤波

2.2 灰度均衡化处理

2.3 边缘检测

2.4 图像二值化

2.5 人眼定位

2.6 图像几何预处理

2.6.1 灰度级插值

2.6.2 图像旋转

2.6.3 图像剪切

2.6.4 几何归一化

2.7 本章小结

第3章 基于Gabor变换的表情特征提取

3.1 特征提取

3.1.1 特征提取的目的

3.1.2 表情特征提取的关键

3.2 特征点的定位

3.3 Gabor小波

3.3.1 Gabor小波的背景

3.3.2 二维Gabor小波

3.3.3 二维Gabor小波的参数

3.4 分析和实验

3.4.1 算法步骤分析

3.4.2 Gabor实验结果

3.5 运算量分析

3.6 本章小结

第4章 基于积分图的表情特征提取

4.1 矩形模板的设计

4.2 基本积分图概念

4.2.1 倾角0°矩形积分图

4.2.2 倾角45°矩形积分图

4.3 基本积分图特征提取

4.3.1 旋转模板特征提取

4.3.2 旋转图像特征提取

4.3.3 模板图像特征提取

4.4 拓展积分图概念

4.4.1 倾角arctan(1/2)积分图

4.4.2 倾角arctan(2)积分图

4.5 拓展积分图特征提取

4.6 本章小结

第5章 表情分类和识别系统的设计实现

5.1 统计学习理论的相关概念

5.1.1 VC维

5.1.2 经验风险最小化

5.1.3 推广性的界

5.1.4 结构风险最小化

5.2 支持向量机

5.2.1 线性分类面

5.2.2 非线性分类面

5.2.3 SVM分类器

5.3 SVM分类的实验结果

5.4 系统设计与实现

5.4.1 系统设计

5.4.2 系统实现

5.5 本章小结

第6章 总结和展望

6.1 总结

6.2 展望

致 谢

参考文献

硕士期间发表论文