資源描述：
《基于變閾值局部二值模式的人臉表情識(shí)別方法的研究畢業(yè)設(shè)計(jì)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、目錄摘要IABSTRACTII第一章緒論2第一節(jié)課題研究背景及意義2第二節(jié)本論文的主要工作2第二章人臉圖像分析技術(shù)常用方法2第一節(jié)人臉檢測(cè)常用方法2一、基于特征的方法2二、基于支持向量機(jī)的方法2第二節(jié)人臉識(shí)別常用方法2一、基于特征臉的識(shí)別方法2二、彈性圖匹配方法2三、基于非線性數(shù)據(jù)降維的方法2第三節(jié)本章小結(jié)2第三章局部二值模式（LBP）2第一節(jié)關(guān)于LBP的介紹2第二節(jié)LBP方法的優(yōu)點(diǎn)與不足2第三節(jié)本章小結(jié)2第四章變閾值局部二值模式2第一節(jié)變閾值局部二值式的定義與性質(zhì)2第二節(jié)基于變閾值局部二值模式的紋理特征提取
2、2第三節(jié)本章小結(jié)2第五章基于變閾值局部二值式人臉表情識(shí)別的實(shí)現(xiàn)及實(shí)驗(yàn)結(jié)果2第一節(jié)基于變閾值局部二值式的人臉表情識(shí)別的實(shí)現(xiàn)2第二節(jié)實(shí)驗(yàn)討論變閾值ε的調(diào)整2第三節(jié)實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析2第四節(jié)總結(jié)與展望2一、總結(jié)已有工作2二、對(duì)未來(lái)的展望2致謝2參考文獻(xiàn)238摘要作為智能化人機(jī)交互技術(shù)中的一個(gè)重要組成部分，人臉表情識(shí)別越來(lái)越受到重視，它是涉及模式識(shí)別、機(jī)器視覺(jué)、圖像處理、心理學(xué)等研究領(lǐng)域的一個(gè)極富挑戰(zhàn)性的交叉課題之一，是近年來(lái)模式識(shí)別與人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。一般而言，人臉表情識(shí)別主要有四個(gè)基本部分組成：表情圖像
3、獲取、表情圖像預(yù)處理、表情特征提取和表情分類(lèi)。本文重點(diǎn)集中在對(duì)表情特征提取問(wèn)題的研究上，研究工作如下：本文提出了一種LBP的擴(kuò)展形式，即變閾值局部二值模式。變閾值局部二值模式通過(guò)引入變閾值ε擴(kuò)展了變換后的特征空間，并且可以通過(guò)調(diào)整變閾值ε的值在特征空間基于改進(jìn)LBP的人臉表情識(shí)別方法中尋找適合于特定分類(lèi)問(wèn)題的子空間。經(jīng)過(guò)改進(jìn)，變閾值局部二值模式對(duì)于噪聲和光照變化相對(duì)于LBP更加魯棒，而且特征抽取的過(guò)程也能夠相對(duì)靈活。最后本文以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(jì)來(lái)計(jì)算各特征向量的距離，選用最近
4、鄰分類(lèi)器進(jìn)行特征分類(lèi)，求出識(shí)別率。我們使用matlab語(yǔ)言將上述算法應(yīng)用于人臉表情識(shí)別，取得了較好的識(shí)別效果。關(guān)鍵字：人臉表情識(shí)別，特征提取，LBP，變閾值局部二值模式38摘要作為智能化人機(jī)交互技術(shù)中的一個(gè)重要組成部分，人臉表情識(shí)別越來(lái)越受到重視，它是涉及模式識(shí)別、機(jī)器視覺(jué)、圖像處理、心理學(xué)等研究領(lǐng)域的一個(gè)極富挑戰(zhàn)性的交叉課題之一，是近年來(lái)模式識(shí)別與人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。一般而言，人臉表情識(shí)別主要有四個(gè)基本部分組成：表情圖像獲取、表情圖像預(yù)處理、表情特征提取和表情分類(lèi)。本文重點(diǎn)集中在對(duì)表情特征提取問(wèn)題的
5、研究上，研究工作如下：本文提出了一種LBP的擴(kuò)展形式，即變閾值局部二值模式。變閾值局部二值模式通過(guò)引入變閾值ε擴(kuò)展了變換后的特征空間，并且可以通過(guò)調(diào)整變閾值ε的值在特征空間基于改進(jìn)LBP的人臉表情識(shí)別方法中尋找適合于特定分類(lèi)問(wèn)題的子空間。經(jīng)過(guò)改進(jìn)，變閾值局部二值模式對(duì)于噪聲和光照變化相對(duì)于LBP更加魯棒，而且特征抽取的過(guò)程也能夠相對(duì)靈活。最后本文以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(jì)來(lái)計(jì)算各特征向量的距離，選用最近鄰分類(lèi)器進(jìn)行特征分類(lèi)，求出識(shí)別率。我們使用matlab語(yǔ)言將上述算法應(yīng)用于人臉表
6、情識(shí)別，取得了較好的識(shí)別效果。關(guān)鍵字：人臉表情識(shí)別，特征提取，LBP，變閾值局部二值模式38ABSTRACTAsanimportantpartofthetechnologyforman-machineinteraction,moreandmoreattentiontofacialexpressionrecognition．Itisoneofthemostchallengingproblemsinthefieldsofpatternrecognition,machinevision,imageprocessin
7、gandpsychology,andithasbecomeahotresearchtopicinthefieldofpatternrecognitionandartificialintelligenceinrecentyears．Generallyspeaking，facialexpressionrecognitionincludedfourparts：expressionimageacquisition,expressionimagepreprocessing，facialfeatureextraction
8、andexpressionclassification．Inthisthesiswefocusedontheproblemoffacialfeatureextraction.Myprimaryworkwassummarizedasfollow：ThisimprovedLBPiswecalledlocalthreshold．Localthresholdextendsthefeaturespacethr
