● 摘要
人脸表情是人类进行相互交流的基础，通过人脸表情所能传达的信息大大超过了通过语音或动作所能传达的信息。计算机人脸表情重构在人机情感交互中起着非常关键的作用，是目前的一个研究热点。在表情重构领域，国内外的专家学者做了大量的研究工作。其中，比较有代表性的有：表情插值方法、表情映射方法、表情拼合方法和表情参数方法。这些方法的根本出发点各异，在处理上也各有其优缺点。 论文采用表情映射方法来进行表情重构，主要包含以下内容：去噪声和亮度对比度调整的图像预处理过程；应用边缘检测得到图像的边缘；对图像进行基于色彩的分割以获取局部特征区域；按照一定的规则选择特征点；对数据进行相关处理使其适应后续的学习算法；应用决策树算法得出和表情变化相对应的特征点变化规律；最后是根据变化规律修改图像，实现了面部表情由中性向高兴和吃惊的重构。在特征定位以及特征变化规律获取方面论文进行了着重的研究。 在特征定位方面，首先对目前的边缘检测算法进行了总结分析，并利用其确定整个待处理表情图像的边缘；然后对图像进行基于色彩的分割得到面部各局部特征区域，为了使计算简化，论文还进行了区域缩减的工作，以避免对整个图像实施分割操作；最后，针对各局部特征区域，以及在该范围内的图像边缘，基于MPEG-4关于人脸特征点的标准来选择定位一系列的点作为特征点。整个过程采用半手工的方式，既保证了一定的定位准确性，又不需要手工去标注特征点。 在特征变化规律获取方面，结合课题的具体要求以及对机器学习特点的相关分析，决定采用符号机器学习中的决策树算法来进行。机器学习的训练数据来自于JAFFE和CAS-PEAL-R1图像库，为了不影响后面的学习结果，论文在该阶段用手工标注的方式定位特征点，作为机器学习的原始数据。由于决策树算法对输入的数据有一定的要求，因此论文对上述原始数据进行一定的处理使之满足了算法的要求。