基于分?jǐn)?shù)階傅里葉變換和局部二元模式的笑臉識別.pdf

1、近年來,人臉表情識別由于在人機交互,電腦游戲,視頻會議等方面有著巨大的應(yīng)用前景而逐漸成為研究的熱點。隨著科學(xué)技術(shù)的飛速發(fā)展,特別是笑臉檢測相機的商業(yè)化使用,表情中重要的笑臉表情也日趨受到廣泛關(guān)注,那么如何提高笑臉識別率成為亟待解決的問題。分?jǐn)?shù)階傅里葉變換(Fractional FourerTransform,FRFT)作為傅里葉變換的廣義形式,已經(jīng)廣泛應(yīng)用于信號檢測、參數(shù)估計和圖像處理等各個領(lǐng)域,然而在圖像處理中的大部分應(yīng)用研究主要集中

2、在數(shù)字水印和加密方面,在模式識別中涉及較少。人臉表情識別系統(tǒng)一般包括人臉檢測、特征提取和特征分類這三個步驟,其中特征提取包含特征降維。本文主要研究分?jǐn)?shù)階傅里葉變換作為特征提取方法在笑臉識別系統(tǒng)中的性能。具體的研究工作包括:
　　 1.介紹了表情識別系統(tǒng)中主要的技術(shù)方法,對分?jǐn)?shù)階傅里葉變換的基本定義、性質(zhì)以及現(xiàn)有離散算法的特點優(yōu)勢做了相關(guān)分析,重點列出了Ozaktas等人提出的實用的量綱歸一化算法。由于本文研究的對象是二維的圖像,

3、需要將一維的分?jǐn)?shù)階Fourier變換推廣至二維的分?jǐn)?shù)階Fourier變換,所以對其相關(guān)的算法步驟和性質(zhì)也進行了說明。
　　 2.構(gòu)建了基于分?jǐn)?shù)階Fourier變換的笑臉識別模型,定義了笑臉識別率和總識別率來統(tǒng)計仿真結(jié)果。由于分?jǐn)?shù)階Fourier變換的結(jié)果是復(fù)值信息,所以本文將其相位、幅度和復(fù)值信息分別作為特征提取的方法,并同廣泛應(yīng)用于圖像識別中Gabor特征提取方法做比較,同時對Adaboost分類算法的相.關(guān)理論知識和實現(xiàn)步驟

4、進行了詳細(xì)說明;并在同一數(shù)據(jù)庫上進行了實驗仿真,最后從計算復(fù)雜度和識別效果兩方面對仿真結(jié)果進行比較分析。
　　 3.由于二維圖像的高維數(shù),要想提高系統(tǒng)的實時性,特征降維是其必然步驟,而表情識別系統(tǒng)的幾個步驟相互聯(lián)系相互影響,所以需要采用合適的降維方法以及分類判別準(zhǔn)則與特征提取方法相適應(yīng)。本文以常用的降維方法離散余弦變換和局部二元模式方法作比較,采用距離分類器和Adaboost分類器分別對其進行仿真比較,分別從計算復(fù)雜度和識別效果