基于改进的LBP及KNN算法的表情识别

摘要：

传统的局部二值模式(LBP)算法在特征提取时仅考虑像素区域中心像素点与边缘像素点之间的关系,往往会出现部分重要信息偏失的问题.针对这一不足,提出一种改进的LBP算法,在减少特征信息偏失的同时也提升了特征提取的运算速率.此外,在进行图像分类时对于KNN分类算法存在的训练样本集中近邻样本过多,影响分类结果的问题,也进行了改进.为验证算法的可行性以及优越性,分别用传统LBP算法以及本文改进的LBP算法对图像进行特征提取;并分别使用K最邻近(KNN)算法以及改进KNN算法对图像进行分类,在JAFFE表情库以及CK+表情库上进行实验.结果 表明,改进算法在表情识别的准确率以及特征提取的速率上都有很大的提高.

关键词：表情识别、特征提取、局部二值模式、K近邻

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：40-44