基于Gabor小波與粒子群優(yōu)化算法的人臉表情識別研究.pdf

1、人的面部表情能夠表示主體的狀態(tài)、情緒、認(rèn)知等，它在智能化人機(jī)交互中具有非常重要的作用。人臉表情識別技術(shù)涉及多個領(lǐng)域的研究，比如，計(jì)算機(jī)視覺、圖像處理、情感計(jì)算、智能控制和模式識別等，是一個多學(xué)科相交叉的課題，近幾年來，已經(jīng)發(fā)展成為國內(nèi)外的研究熱點(diǎn)。人臉表情識別算法主要含有三個方面的技術(shù)環(huán)節(jié)：表情圖像預(yù)處理、表情特征提取以及表情的識別與分類。本文主要研究了表情圖像特征提取及人臉表情識別算法，并在MATLAB R2011a的平臺上進(jìn)行仿真實(shí)

2、驗(yàn)，驗(yàn)證了本文算法的有效性。
　　首先，對輸入的人臉表情圖像進(jìn)行預(yù)處理。我們首先判斷其圖像類型，如果是彩色圖像，則先將其轉(zhuǎn)換為灰度圖像。然后再對圖像進(jìn)行直方圖均衡化處理，把所有像素的灰度值均勻拉伸到0~255之間，接著對該圖像進(jìn)行剪裁，即尺度歸一化。最后，提取人臉的ROI（Region of Interest）區(qū)域，即感興趣區(qū)域，減少圖像的冗余信息，為下一步表情特征提取做好準(zhǔn)備。
　　其次，基于對國內(nèi)外眾多人臉表情識別相關(guān)文

3、獻(xiàn)的研究，本文提出了一種新的基于Gabor小波變換和2DPCA（二維主成分分析）+LBP（局部二值模式）以及粒子群優(yōu)化算法相結(jié)合的特征提取組合策略。該算法首先對上一步預(yù)處理之后的表情圖像進(jìn)行Gabo r特征提取；然后采用―2DPCA+LBP‖的方法對得到的龐大的特征數(shù)據(jù)進(jìn)行降維處理，最后，利用粒子群優(yōu)化算法對降維后的特征進(jìn)行優(yōu)化，得到的表情特征具有維數(shù)較低且比較利于分類的優(yōu)點(diǎn)，并將該算法應(yīng)用到本文表情圖像特征提取過程中，得到表情特征向量

4、。
　　然后，在表情識別方面，本文構(gòu)造了一個BP神經(jīng)網(wǎng)絡(luò)分類器。在表情識別過程中，先將表情圖像庫中的圖像分為訓(xùn)練樣本和測試樣本，采用上述特征提取算法對訓(xùn)練樣本進(jìn)行特征提取，再用得到的訓(xùn)練樣本特征數(shù)據(jù)對分類器進(jìn)行訓(xùn)練，訓(xùn)練好的分類器就可以對測試樣本進(jìn)行分類識別了。
　　最后，利用MATLAB R2011a仿真平臺對本文的算法進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證了本文算法的有效性。在JAFFE表情圖像庫上，我們還將本文算法與常用的“Gabor小波