基于Gabor多方向特征融合与分块直方图的人脸表情识别方法

摘要：

针对传统的Gabor特征表征全局特征能力弱以及特征数据存在冗余性的缺点,提出一种新颖的采用Gabor多方向特征融合与分块直方图统计相结合的方法来提取表情特征.为了提取局部方向信息并降低特征维数,首先采用Gabor滤波器提取人脸表情图像的多尺度和多方向特征,然后按照两个融合规则将相同尺度不同方向的特征融合到一起.为了能够有效地表征图像全局特征,将融合图像进一步划分为若干矩形不重叠且大小相等的子块,分别计算每个子块区域内融合特征的直方图分布,将其联合起来实现图像表征.实验结果表明,这种方法无论在计算量上还是识别性能上都比传统的Gabor滤波器组更具有优势.该方法的创新处在于提出了两个Gabor多方向特征融合规则,应用在JAFFE表情库上最高平均识别率达到98.24％,表明其适用于人脸表情图像的分析.

关键词：表情识别、特征融合、分块直方图、多尺度、Gabor变换

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

资助基金：吉林省科技发展计划重点项目20071152

在线出版日期：2012-03-20（万方平台首次上网日期，不代表论文的发表时间）

页码：1455-1463