基于LBWP的高效人脸表情识别：融合LBP与WLD

本文主要探讨了"基于纹理特征融合的人脸表情识别"这一主题，论文发表于2019年，由张雪梅、公维宾、邬建志和王超四位作者，他们分别来自长安大学信息工程学院。这项研究得到了国家自然科学基金面上项目的资助（项目编号61572083）。作者们关注的是如何提高人脸表情识别的精确度，特别关注了局部二值模式(LBP)和韦伯局部描述算子(WLD)这两种常用的图像纹理描述算子。 LBP通过比较中心像素点与其周围像素点的灰度值差异来捕捉图像的纹理信息，而WLD则进一步考虑了中心像素点与周围像素点的灰度值变化的激励强度和梯度方向。然而，作者发现这两种方法各自存在局限性：LBP只侧重于灰度值差异，而WLD则可能忽视了其他重要的特征信息。因此，他们提出了一个新的特征提取算法——局部二值韦伯模式(LBWP)，旨在弥补这些不足。 在论文中，研究人员首先对输入的人脸图像进行预处理，确保选择出人脸和有效表情区域。然后，应用LBWP算法提取图像特征，这个过程强调了更全面的纹理信息考虑。提取到的特征被用于支持向量机(SVM)分类器，对表情进行识别和分类。实验结果在两个知名的数据集上进行了验证，分别是CK+数据集和JAFFE数据集，分别获得了97.14%和95.77%的高识别率，这证明了LBWP算法在表情识别领域的有效性。 本文的研究不仅提升了人脸表情识别的精度，而且丰富了人脸图像特征提取的方法，为相关领域的研究者提供了新的视角和技术手段。论文的关键词包括人脸表情识别、局部二值模式、韦伯局部描述符、特征融合以及支持向量机，这些都是理解该研究核心概念的关键。此外，论文还提供了文献标识码A和文章编号，方便读者追踪和引用。整个研究工作展示了作者们在情感计算和图像处理领域的深入理解和实践能力。