資源描述：
《基于lbp特征人臉表情分析》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、摘要基于LBP的特征提取方法已經(jīng)被應用到表情識別工作中，并且表現(xiàn)出了LBP特征用于表情識別的優(yōu)越性。本文針對基于LBP特征的人臉表情分析這一課題展開了深入的研究，其內(nèi)容涉及面部特征點檢測、LBP特征提取、表情分類等范圍，并在已有方法的基礎上提出了新的LBP特征提取方法。從表情圖像特征來分析，在整體面部提取特征構建的向量會包括許多冗余的信息。如果以合適的方式選擇有效的LBP特征是LBP算子應用中的重要問題。更有效、合理地使用局部模式中的主要信息是LBP算子進行改進的主要突破。針對這一問題，本文主要對局部LBP特征的提取進行了研究，具體
2、如下：1．深入分析和研究了傳統(tǒng)的LBP特征提取方法。全局人臉圖像的LBP特征提取，是比較常用的LBP特征提取方法。對整體人臉圖像像素進行LBP操作，然后對人臉圖像進行規(guī)則分塊，提取各分塊的LBP直方圖構建的特征向量包括了冗余信息。本文通過對傳統(tǒng)LBP特征提取方法進行深入分析和研究，總結了其不足之處。2．提出了基于局部區(qū)域LBP特征(LLBP)的提取方法。對于表情來說，眼睛、眉毛、鼻子和嘴巴這些器官是非常重要的，它們所在的區(qū)域包含的信息更有用，因此，對這些器官所在的區(qū)域賦予比較大的權重，應該能夠增強表情的特征。再者進行特征提取階段，可
3、以結合面部特征點，提取特征點區(qū)域的LBP特征，構建特征向量，能合理的提取最有判別力的特征。把LLBP劃分人臉的方法與Gabor小波特征提取方法相結合，進行了實驗。3．提出了基于LBP差值和差值LBP特征的提取方法。同一個人的表情圖像，其眼睛、鼻子、嘴巴等器官的分布、大小和形狀與中性圖像存在一系列的差異，這些差異特征是表情本質的信息。詳細介紹了LBP差值和差值LBP特征的概念和提取方法，分別進行了實驗驗證，對二者進行了分析和比較。實驗結果證明差值LBP特征更能有效地描述有表情圖像和中性圖像的差異。4．提出了基于局部區(qū)域差值LBP特征(
4、LDLBP)的表情特征提取方法。本文把差值LBP特征和LLBP的方法相結合，對差值圖像進行LBP濾波得到差值LBP圖像，然后采用LLBP的方法，提取差值LBP圖像中各表情子區(qū)域的分塊LBP直方圖來構建特征。關鍵詞：表情識別；局部二元模式(LBP)；表情特征提取量I。acialexl9resslonanalysisDasenon1一■-●l■lLocalBinaryPatterns(LBP)LiShujuan(Engineeringofinformationandcommunication)DirectedbyprofessorWan
5、gYan-jiang，professorLiuWei—fengAbstractFeatureextractionmethodsbasedonLBP(LocalBinaryPattems)featureshavebeenappliedtofacialexpressionrecognition，anddemonstratedLBPfeatures’superiorityforfacialexpressionrecognition．AimedatthesubjectoffacialexpressionanalysisbasedonLBPf
6、eatures，thisthesiscarriedoutin—depthstudy,involvingfacialfeaturepointsdetection，LBPfeatureextraction，andexpressionclassification，etc．AtlastanewfeatureextractionmethodwasproposedbasedonLocalBinaryPatterns．Fromtheviewoffacialimageanalysis，thereismuchredundantinformationi
7、ntheextractionfromthewholeface．HowtoselectvalidLBPfeatureinasuitablewayistheimportantissueoftheapplicationofLBPoperator．ItisamajorbreakthroughtoimprovingLBPmethodusingthemaininformationoflocalpaRernsmoreeffectivelyandrationMly．Toachievethesolutionofthisproblem，theextra
8、ctionmethodsoflocalLBPfeatureismainlyresearchedinthisthesis，whicharrangedasfollows：1．ClassicalLBPfeatureextractionmet
