資源描述：
《基于變閾值局部二值模式的人臉表情識別方法的研究畢業(yè)設計》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、目錄摘要IABSTRACTII第一章緒論1第一節(jié)課題研究背景及意義1第二節(jié)本論文的主要工作7第二章人臉圖像分析技術常用方法8第一節(jié)人臉檢測常用方法8一、基于特征的方法9二、基于支持向量機的方法9第二節(jié)人臉識別常用方法10一、基于特征臉的識別方法10二、彈性圖匹配方法10三、基于非線性數(shù)據(jù)降維的方法11第三節(jié)本章小結12第三章局部二值模式（LBP）13第一節(jié)關于LBP的介紹13第二節(jié)LBP方法的優(yōu)點與不足20第三節(jié)本章小結20第四章變閾值局部二值模式21第一節(jié)變閾值局部二值式的定義與性質(zhì)21第二節(jié)基
2、于變閾值局部二值模式的紋理特征提取24第三節(jié)本章小結25第五章基于變閾值局部二值式人臉表情識別的實現(xiàn)及實驗結果26第一節(jié)基于變閾值局部二值式的人臉表情識別的實現(xiàn)2641第二節(jié)實驗討論變閾值ε的調(diào)整27第三節(jié)實驗設計與結果分析28第四節(jié)總結與展望31一、總結已有工作31二、對未來的展望31致謝32參考文獻3341摘要作為智能化人機交互技術中的一個重要組成部分，人臉表情識別越來越受到重視，它是涉及模式識別、機器視覺、圖像處理、心理學等研究領域的一個極富挑戰(zhàn)性的交叉課題之一，是近年來模式識別與人工智能領
3、域的一個研究熱點。一般而言，人臉表情識別主要有四個基本部分組成：表情圖像獲取、表情圖像預處理、表情特征提取和表情分類。本文重點集中在對表情特征提取問題的研究上，研究工作如下：本文提出了一種LBP的擴展形式，即變閾值局部二值模式。變閾值局部二值模式通過引入變閾值ε擴展了變換后的特征空間，并且可以通過調(diào)整變閾值ε的值在特征空間基于改進LBP的人臉表情識別方法中尋找適合于特定分類問題的子空間。經(jīng)過改進，變閾值局部二值模式對于噪聲和光照變化相對于LBP更加魯棒，而且特征抽取的過程也能夠相對靈活。最后本文以
4、變閾值局部二值模式直方圖作為特征向量，采用2概率統(tǒng)計來計算各特征向量的距離，選用最近鄰分類器進行特征分類，求出識別率。我們使用matlab語言將上述算法應用于人臉表情識別，取得了較好的識別效果。關鍵字：人臉表情識別，特征提取，LBP，變閾值局部二值模式41ABSTRACTAsanimportantpartofthetechnologyforman-machineinteraction,moreandmoreattentiontofacialexpressionrecognition．Itisone
5、ofthemostchallengingproblemsinthefieldsofpatternrecognition,machinevision,imageprocessingandpsychology,andithasbecomeahotresearchtopicinthefieldofpatternrecognitionandartificialintelligenceinrecentyears．Generallyspeaking，facialexpressionrecognitioninc
6、ludedfourparts：expressionimageacquisition,expressionimagepreprocessing，facialfeatureextractionandexpressionclassification．Inthisthesiswefocusedontheproblemoffacialfeatureextraction.Myprimaryworkwassummarizedasfollow：ThisimprovedLBPiswecalledlocalthres
7、hold．Localthresholdextendsthefeaturespacethroughtheintroductionofparameterchangeablethreshold,andcanfindasuitableforaparticularclassificationbyadjustingthevalueofchangeablethresholdinthefeaturespace．LocalthresholdismorerobusttoLBPfornoiseandilluminati
8、onchanges，andfeatureextractionprocesscanalsoberelativelyflexible．Finallyweuselocalthresholdhistogramasfeaturevectors，using2probabilitystatisticstocalculatethedistancebetweeneachfeaturevectors，choosingthenearestneighborclassifierforfeatureclass
