题目：基于融合与流形学习方法的人脸表情识别研究

人脸表情识别是使计算机根据人脸图像进行表情分析并给出表情的分类判断。赋予计算机类似人一样的观察和理解人类表情的能力并再现表情，使得人与计算机之间的交互过程能够像人与人之间的交互一样自然而富有表情，是新一代人机和谐自然交互的要求与研究内容之一。人脸表情识别是一个极具挑战性的综合性研究课题，它综合了信息处理、模式识别、图像处理、计算机科学、机器学习、认知科学与人工智能等学科知识，是多学科交叉的前沿课题。人脸表情识别在人机自然交互、智能机器人、安全防范、计算机辅助精神分析和动漫游戏等方面有着广阔的应用前景。人脸表情识别课题的研究具有重要的科学意义与社会意义。目前人脸表情识别研究已经取得了一些有价值的研究成果，但该领域研究仍处于起步阶段，离实际应用还有相当的距离，所面临的问题很多，本文主要是在表情特征形成、特征降维、多分类器融合、流形学习算法应用等方面进行人脸表情的分析与识别研究。本文重点研究的问题依在文中出现的顺序给出如下。（1）表情特征形成问题。表情体现在人脸肌肉运动与形变信息，获取这些信息是计算机人脸表情自动识别系统中极其重要的部分。论文主要研究了LBP算子和Contourlet变换两种表情特征形成方法，探讨并给出了LBP算子的各种参数、分块方式、Contourlet变换与特征降维方法结合对表情识别结果的影响。实验表明，LBP特征和Contourlet变换都是有效的表情特征形成方法，尤其是LBP特征，计算简单，结合ERSLLE算法，在JAFFE库上非特定人表情识别率达到了72.8%，为本论文所有方法中最高，也大大超过了相关文献介绍的目前在JAFFE库上的表情识别结果。（2）研究了各种基于统计方法的人脸表情识别。将PCA、LDA、GDA等基于矢量的统计特征方法和2DPCA、2DLDA、GLRAM等基于二维矩阵的统计特征方法应用到表情识别，在JAFFE表情库上进行了大量的特定人和非特定人表情识别实验，系统分析了特征维数与表情识别率的关系，比较了各种算法的性能，给出了灰度特征、LBP特征对表情识别结果的影响，得出了相关结论。（3）研究了基于融合的人脸表情识别。主要给出了分类器融合和区域融合方法，用到的单分类器包括SVM、K近邻、神经网络BPNN、Bayes分类器等。研究的融合方法包括简单的最大值、最小值等、也包括决策模板、DS证据理论、模糊积分等融合方法。在日本女性表情数据库JAFFE库、美国CMU大学的CKAU表情数据库和五邑大学人脸表情数据库CED_WYU库上对各种融合的人脸表情识别进行了广泛的实验，实验结果表明，通过融合途径来进行表情识别可以显著提高表情识别率。（4）提出了基于融合途径的多类支持向量机（SVM）构造算法。基本的SVM只是处理两类分类问题。融合途径实现的多类SVM首先把二类SVM的输出转化为对类的一种支持度，然后利用丰富的融合方法来实现对多类问题的处理，对所提算法进行了大量的人脸表情识别实验，结果表明融合途径实现的多类SVM是有效的。（5）提出了支持向量鉴别分析SVDA算法。SVDA算法根据二类SVM的基本原理寻找在有限样本情况下使得类间分离间隔最大的投影方向，得到降维数据具有最大类间分离性，在多类情况下，可以具有极其丰富的方案选择最佳投影轴。SVDA算法克服了PCA以及LDA等算法利用有限训练样本对均值和方差进行估计的缺点。大量基于SVDA算法的人脸表情识别实验说明了SVDA算法的优越性能。（6）提出了基于表情加权距离的局部线性嵌入算法，即ERSLLE算法。首先研究了典型的流形学习算法LLE算法和LE算法及其在人脸表情识别方面的应用，在此基础上提出了ERSLLE算法。ERSLLE算法根据表情与表情之间差异性的不同，在选取样本点的 个近邻时，对不同类别样本之间的距离采取不同的加权值，从而克服了LLE算法没有利用训练样本类别信息的缺点，也克服了SLLE算法等同处理各个表情类别信息的缺点，更充分利用关于表情的先验知识。ERSLLE算法在JAFFE库上的表情识别实验获得了比较好的识别结果，从而说明了ERSLLE算法的有效性。