论文部分内容阅读
为了在计算机和用户之间建立一种更直观、更自然和友好的信息交互方式,新型的人机交互技术正逐渐成为研究热点,科学工作者进行了人脸表情识别和汉字识别等多方面的研究工作。围绕这一问题,本论文主要对Gabor特征提取、特征降维及分类器设计、人脸表情识别系统、手写体汉字识别系统四个方面进行了研究。首先,本文研究了Gabor滤波器的特性,Gabor滤波器在空间域可以看作是一个被Gaussian函数调制的正弦平面波,详细分析了正弦平面波和Gaussian函数的属性,介绍了Gabor特征提取方法以及滤波器组的构成。其次,本文介绍了两种常用的特征降维的方法PCA和LDA,PCA的目的是寻找在最小均方意义下最能够代表原始数据的投影方法,而LDA的目的是寻找在最小均方意义下最能够区分各类数据的投影方法。在此基础上,本章给出了分类器的设计框图,并重点介绍了针对不同距离测度的距离分类器。然后本文重点研究了人脸表情识别的预处理、特征提取和分类方法,针对传统的Gabor滤波器组存在特征提取时间较长以及特征数据存在冗余性的缺点,本文提出了一种新颖的局部Gabor滤波器组。为了评估该方法的识别性能,提出了一个基于Gabor特征的人脸表情识别系统。该系统首先对经过预处理之后的纯表情图像提取Gabor特征,然后用PCA+LDA方法对采样后的特征进行特征选择,最后采用距离分类方法识别人脸表情。实验表明这种方法无论在计算量还是识别性能上都比传统的Gabor滤波器组更具有优势。该方法的创新之处在于选取局部Gabor滤波器,对于JAFFE人脸表情数据库,最高平均识别率达到了97.33%,表明其适合于人脸表情图像的分析。最后比较了手写体汉字识别中多种方向特征和Gabor特征的识别性能,提出了多尺度Gabor特征提取方法能够获得更高的识别性能,说明多尺度多方向的Gabor特征具有更好的推广性和鲁棒性。