[发明专利]一种基于改进完备局部三值模式的人脸表情特征提取方法

说明书

本发明请求保护一种基于改进完备局部三值模式的人脸表情特征提取方法，该方法包括步骤：对人脸表情图像应用梯度算子计算人脸表情梯度图像；分别对梯度图像的符号分量、幅度分量和中心像素值进行编码；对梯度图像的符号分量、幅度分量和中心像素值的编码值进行组合得到完备局部三值模式；将两个不同邻域的完备局部三值模式进行融合得到改进完备局部三值模式。本发明解决了其他方法可能将不同的模式归为同一类的问题，而且还对随机噪声和光照变化具有较好的鲁棒性，并且使得人脸表情特征能够包含更多更精确到人脸表情纹理信息，可以获得较高的人脸表情识别率。

技术领域

本发明属于图像处理与模式识别领域，特别是一种基于改进完备局部三值模式的人脸表情特征提取方法。

背景技术

人脸表情识别作为情感识别的一个方面，在人际交流中起到了非常重要的作用，不仅是展示情绪，更是传播情感信息与协调双方关系的重要方式。研究表明，在人类的日常交流中，通过人脸表情传递的信息高达信息总量的55％，而通过声音、语言传递的信息分别占信息总量的38％和7％。通过识别人脸表情可以获取大量有价值的信息，因此基于人类视觉特征，采用计算机技术，对人脸表情特征进行分类的人脸表情识别成为人机交互、情感计算、机器视觉等领域的重要研究课题。

对于人脸表情识别而言，从人脸图像中提取有效的人脸表情特征是极其重要的。而局部二值模式(Local Binary Pattern,LBP)及其变种由于在人脸表情识别中强大的性能而受到关注。LBP通过量化关于中心像素的局部邻域的相邻灰度级来对图像的局部纹理进行编码。尽管使用灰度值来编码图像纹理的LBP在计算上是高效的，但是在非单调照明变化和随机噪声的存在下表现出很差的性能，因为即使是灰度很小的变化都可以很容易地改变LBP编码值。局部方向模式(Local Direction Pattern,LDP)采用与LBP不同的纹理编码方案，其中方向边缘响应值被用于代替灰度值。虽然LDP已经被证明优于LBP，但由于其两级判别编码方案导致它趋于在均匀和近似均匀的区域产生不一致的模式，并且严重依赖于边缘方向参数的数量。后来，引入了局部三值模式(Local Ternary Pattern,LTP)，将两级判别编码扩展为三级编码增加了灰度级的分辨等级，不仅增强了分辨均匀和近似均匀区域的鲁棒性，还克服了LBP对噪声敏感的问题。而LTP是对LBP的扩展，所以LTP继承了LBP可能将两种或多种不同的模式错误地归到同一类模式中，从而降低其区分度的缺点。而完备局部三值模式(Completed Local Ternary Pattern,CLTP)不仅继承了LTP的优点，还解决了对不同的模式可能会归入同一类模式的问题。CLTP不仅对图像的符号信息进行编码，还对图像的幅度信息和中心像素值进行编码。因此，每种模式都由这三者的编码值联合表示，所以CLTP不会出现将不同的模式归入同一类模式的问题。尽管CLTP在纹理识别中表现出了优越的性能，然而在人脸表情识别中表现出了识别率不高的问题。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种获得较高识别率、具有较强鲁棒性的基于改进完备局部三值模式的人脸表情特征提取方法。本发明的技术方案如下：

一种基于改进完备局部三值模式的人脸表情特征提取方法，其包括以下步骤：

S1、输入人脸表情图像，应用梯度算子计算人脸表情图像的梯度，将人脸表情梯度图像用于后续的特征提取；

S2、将人脸表情梯度图像划分成不重叠的子区域，J₀,J₁,J₂,...,J_t-1，其中t是非重叠区域的数量；

S3、在中心像素邻域内，统计中心像素与邻域像素值，将图像的局部差异分解为正负方向上的符号分量和幅度分量；

S4、使用正负方向上的符号分量建立符号分量编码值CLTP_S；

S5、使用正负方向上的幅度分量建立符号分量编码值CLTP_M；