基于多階次分數(shù)階Fourier域統(tǒng)計特征融合的表情識別.pdf

1、近年來，隨著社會的發(fā)展與人工智能技術的進步，大眾對人機交互體驗的要求也越來越高，這其中就包括使機器能夠更了解人類的情緒變化。人臉表情識別作為情緒識別的重要分支之一，也是得到了極高的關注度與研究熱情。分數(shù)階傅里葉變換作為經典傅里葉變換的擴展形式，在圖像處理與模式識別中也被運用的越來越多。本論文利用分數(shù)階傅里葉變換作為基礎工具，在人臉表情識別領域進行了若干研究，總結概括如下：
　　介紹了基于單一階次分數(shù)階Fourier變換的面部表情識

2、別的系統(tǒng)框架。針對目前研究中常用到的分數(shù)階域的幅度特征與相位特征，分別在圖像性質方面以及實驗的識別效果兩個方面分析了兩類特征的優(yōu)勢以及實用性。也驗證了，無論是幅度特征還是相位特征，單獨一個階次的信息是無法取得優(yōu)秀的實驗效果的。
　　之前的文獻中，研究人員僅僅利用了分數(shù)階的二到三個階次的特征信息，然后把主要精力用在了尋找最優(yōu)階次上。本文認為分數(shù)階傅里葉變換具有無窮個連續(xù)階次，如果可以融合更多的階次的信息，既可以增加用于分類的特征的判

3、別信息，也可以起到監(jiān)督效果。根據這個思路，本文作者提出了基于多階次分數(shù)階傅里葉域統(tǒng)計特征的面部表情識別算法。并在RML數(shù)據庫與CK+數(shù)據庫上取得了優(yōu)于之前基于FrFT特征的識別算法的實驗效果。為今后的基于分數(shù)階傅里葉變換的模式識別的研究提供了一個新的思路。
　　Gabor變換由于它自身的一些函數(shù)特性，很早就被用在了圖像處理與模式識別領域。也是被研究的最多的一種特征提取工具。圖片的Gabor特征也是利用度最廣泛，保持較強魯棒性的特征