基于混合特征提取與決策樹算法的表情識別方法研究.pdf

1、人臉表情識別作為近年發(fā)展起來新興的研究方向，已經(jīng)逐漸成為人機交互領(lǐng)域所研究的熱點。它的難點在于交叉了生理學(xué)、心理學(xué)、圖像處理、模式識別和機器視覺等學(xué)科。隨著表情研究的深入，我們發(fā)現(xiàn)表情識別的每一環(huán)節(jié)，包括表情圖片預(yù)處理，特征提取，樣本特征處理，都能夠影響表情識別的最終效果。而由于C4.5決策樹算法在圖像處理領(lǐng)域的優(yōu)勢，其直觀，算法復(fù)雜度低的特點，具備表情分類的條件，針對上述內(nèi)容，本文展開了以下研究：
　　1、針對單一的特征提取能夠

2、反映某一局部或者單一特性的表情特征，但并不能夠全面的反映表情的總體特征，本文采用局部特征與全局特征相結(jié)合的混合特征提取方法，提取包括基于模型的幾何特征，基于共生矩陣的紋理特征與Hu不變矩特特征，旨在特征提取環(huán)節(jié)充分發(fā)揮特征的全面性。
　　2、為了消除量綱差異和數(shù)值相差過大造成的影響，首先對訓(xùn)練庫的樣本數(shù)據(jù)進行規(guī)范化與可視化處理。本文采用Fisher線性判別準(zhǔn)則對表情特征提取數(shù)據(jù)進行特征降維，并對特征降維后的樣本采用基于OS-HEQ

3、的特征直方圖規(guī)范化方法進行特征數(shù)據(jù)處理，進一步提高識別效果。
　　3、決策樹分類器在圖像處理領(lǐng)域應(yīng)用廣泛，其算法本身復(fù)雜度低，分類精度高，識別速率快，而作為決策樹算法之一的C4.5分類器在圖像的預(yù)測與識別方面也得到了研究者們的青睞，針對表情分類識別對分類器具有速度快，精度高的要求，提出將C4.5分類器應(yīng)用于表情識別分類，并對分類器進行基于洛必達法則的改進，使得算法在分類復(fù)雜度與速度上得到進一步的提高。考慮到?jīng)Q策樹存在過擬合的問題，