模糊深隐马尔可夫模型及其在人脸表情识别中的应用研究

摘要

随着人类社会文明程度的不断提高和科学技术的飞速发展，信息处理的手段和技术也不断更新，隐马尔可夫模型作为其中最为重要的信息处理工具和技术之一，从其基础理论的完整提出，经历不到四十年的时间，已经应用到信息处理的诸多前沿领域，并取得巨大的成功。随着隐马尔可夫模型应用领域的进一步扩展和工程技术精度要求的不断提高，针对隐马尔可夫模型自身存在的问题，对其进行改良并加以应用，有着重要的现实意义，并将最终产生巨大的社会经济效益。 本文在借鉴前人关于隐马尔可夫模型改良理论的基础上，充分分析了隐马尔可夫模型能正确描述现实信号的三大前提，尝试性地从增加观测值间相关性、状态划分及转移的模糊性和基于最大互信息的参数优化算法三方面对隐马尔可夫模型进行了改进，形成了关于建立模糊深隐马尔可夫模型的一系列理论，并将之应用于图像序列的人脸表情识别中。主要工作如下： (1)提出了一种新型模式分类器——模糊深隐马尔可夫模型。针对经典隐马尔可夫模型对含噪音和特征值缺损表情图像序列识别率欠佳的缺点，按照隐马尔可夫模型能够正确描述现实信号的三大前提要求，在新模型中增加对观测值间的相关性、观测值及状态转移的模糊随机性、各待选模型间互信息的相关性的考虑，设计了基于互信息的观测值间相关性算法、基于云模型的观测值、状态模糊随机转移算法以及基于最大互信息准则的参数优化算法，从而构建了模糊深隐马尔可夫模型。 (2)分析并证明了模糊深隐马尔可夫模型的相关性质。结合图论、信息论、概率论等相关理论，对模糊深隐马尔可夫模型和经典隐马尔可夫模型在系统复杂性、有效性、鲁棒性等各方面性质分别进行分析，并以形式化的方式加以证明。 (3)提出了基于模糊深隐马尔可夫模型的图像序列表情识别方法。该方法采用Gabor小波变换对表情图像序列进行特征提取、采用基于观测值间相关性的算法对观测值间依赖集Z进行提取、采用最大互信息方法对模型相关参数进行优化，并将优化后的模糊深隐马尔可夫模型应用于图像序列的表情识别中。实验结果表明，该方法较之基于经典隐马尔可夫模型和深隐马尔可夫模型的方法，具有更高的识别率和更好的容忍噪音和部分缺损的性能。 (4)采用面向对象的设计方法，设计实现了基于模糊深隐马尔可夫模型的图像序列表情识别原型系统，并从实验角度验证了该方法的有效性。

目录

文摘

英文文摘

声明

第一章绪论

1.1课题背景

1.2隐马尔可夫模型概述

1.3关于隐马尔可夫模型发展的国内外研究现状

1.4本论文的研究内容及主要工作

1.5论文的结构

第二章模糊深隐马尔可夫模型建构

2.1概述

2.2模糊深隐马尔可夫模型框架

2.3基于互信息的观测值间相关性算法

2.4基于云模型的状态、观测值模糊随机转移算法

2.5基于最大互信息准则的参数优化算法

2.6小结

第三章模糊深隐马尔可夫模型相关性能分析及证明

3.1相关图论理论

3.2模糊深隐马尔可夫模型性质及证明

3.2.1模糊深隐马尔可夫模型计算复杂度特性

3.2.2模糊深隐马尔可夫模型优化程度特性

3.2.3模糊深隐马尔可夫模型区分度特性

3.2.4模糊深隐马尔可夫模型鲁棒性特性

3.3小结

第四章基于模糊深隐马尔可夫模型的人脸表情识别

4.1人脸图像预处理

4.1.1人脸图像的旋转矫正

4.1.2人脸图像的尺度归一化

4.1.3人脸图像的灰度均衡化

4.2人脸图像序列的Gabor小波特征提取

4.2.1 Gabor小波函数的选择

4.2.2表情图像序列的Gabor小波变换特征提取

4.3基于模糊深隐马尔可夫模型的人脸表情识别流程

4.4模糊深隐马尔可夫模型参数优化

4.4.1相关性观测值集合Z提取

4.4.2 FBMM中云模型相关参数的优化

4.5实验结果与分析

4.6小结

第五章表情识别原型系统的设计与实现

5.1面向对象、UML和设计模式

5.2系统的功能分析

5.3核心类的设计与实现

5.3.1图像处理基本类的设计

5.3.2矩阵类的设计

5.3.3 Gabor小波变换类的设计

5.3.4模糊深隐马尔可夫模型类的设计

5.4人脸表情识别原型系统实现简介

5.5 小结

第六章总结与展望

6.1总结

6.2展望

参考文献

致谢

在学期间参加的科研项目与发表论文