基于內(nèi)嘴唇的口形特征提取和聚類算法的研究.pdf

1、語音識別技術(shù)在實驗室條件下逐漸發(fā)展和成熟，但在噪聲環(huán)境下的語音識別問題仍然是語音識別技術(shù)完全從實驗室走入人們的日常生活的一大障礙。因此，作為人們交流時的一個重要的輔助信息-語音視覺信息，成為了人們在尋找在語音本身之外克服這個障礙的一個值得關(guān)注的方面，唇讀技術(shù)能在噪聲環(huán)境下作為輔助手段來提高語音識別的識別率。同時，研究針對聾啞人的輔助交流系統(tǒng)也受到越來越多的關(guān)注；結(jié)合視頻信息的網(wǎng)上輔助教學系統(tǒng)也有廣闊的應用前景?；谄鋸V闊的應用背景，近年

2、來越來越多的目光投向了唇語識別與合成領(lǐng)域的研究。但是唇讀技術(shù)在走向現(xiàn)實應用的過程中仍還有很多問題要解決，首先是現(xiàn)實環(huán)境中嘴唇區(qū)域的定位識別問題，唇語識別時的實時性問題，其次，如何準確的識別話者的口形，如何根據(jù)口形構(gòu)建精簡準確的標準唇語庫也是影響系統(tǒng)識別率的一個重要的方面。本文針對嘴唇圖像的口形表示和唇語庫的構(gòu)建方面做了相應的探討和研究工作。通過對特征提取算法的研究，能夠讓系統(tǒng)在識別或合成過程中對嘴唇圖像中所表示的口形做出準確的判斷和表示

3、；同時采用聚類算法，去除原始唇語庫中的相似冗余圖像，精簡了唇語庫，降低其存儲容量，滿足了低數(shù)據(jù)量存儲應用方面的要求。主要的研究內(nèi)容包括以下幾個方面：(1)分析了各種口形表示方法，采用以內(nèi)嘴唇輪廓曲線表示對應的口形。提出了嘴唇區(qū)域提取，邊緣提取和曲線擬合相結(jié)合的特征提取方案。同時根據(jù)圖像的口形特征對圖像庫進行聚類，去除了圖像庫中相似冗余圖像。(2)分析各種顏色空間，采用chromatic顏色空間映射和閥值裁減的方法，有效的從原始圖像中提取