基于小波与弹性图匹配的高精度表情识别方法

本文主要探讨了一种创新的表情识别方法，即基于小波变换与弹性图匹配的技术。作者曹宇嘉、赵力和邹采荣在东南大学无线电工程系和学习科学研究中心共同研发这一方案，他们关注的是如何提高表情识别系统的鲁棒性，使其能够有效处理脸部姿势和光照变化的影响。 小波变换，特别是Gabor小波变换，作为一种频域分析工具，其特性在于能捕捉到图像中的局部特征，这对于表情识别至关重要，因为它有助于提取人脸表情的细微差异。通过Gabor小波，研究者可以提取出表情特征点，这些点通常选择在面部表情变化较为显著的局部区域，如眼睛、嘴巴等。 弹性图匹配算法在此起到了关键作用。它允许图像在一定程度上的变形，保持了人脸结构的局部一致性，即使在人脸姿态变化或光照不均时也能找到最佳匹配。M.Lades等人最初提出的弹性图匹配被用于人脸识别，而Wiskott和Kruger分别对其进行了扩展和完善，增强了对脸部特征点的处理和节点分离能力。 作者在国际标准表情库JAFFE上进行了实验验证，结果显示他们的表情识别方案表现出色。平均识别率达到93.4%，甚至对于单一表情的识别，准确率高达100.0%。此外，该方案不仅专注于表情识别，还能同时提供人脸识别的能力，显示了其综合性和实用性。 关键词包括“表情识别”、“Gabor小波变换”和“弹性图匹配”，这些都是研究的核心技术和方法。文章的引入部分强调了面部表情的重要性和表情识别技术的发展历程，以及当前表情识别领域广泛应用的各种方法，如PCA、神经网络、HMM等。 总结来说，本文的主要贡献是提出了一种结合小波变换和弹性图匹配的高效表情识别策略，它在处理人脸变化和多样性方面展现出了强大的鲁棒性，为高级人机交互提供了新的可能。这一研究成果对于提升人脸识别和情感计算的精确度具有重要意义。