Gabor多方向特征融合与分块统计的表情识别

为了克服传统Gabor特征存在提取时间长和数据维数过高的不足,提出一种Gabor多方向特征融合与分块统计的表情特征提取方法。为了提取局部方向信息并降低特征维数,首先对预处理的人脸表情图像进行Gabor变换并提取多尺度多方向的表情特征;然后借鉴局部二值模式(local binary pattern,LBP)的思想将相同尺度、不同方向的特征进行融合,并对融合图进行分块,统计每块融合图的均值和标准差,以此构建块特征矢量(block feature vector,BFV),再将其联合起来形成整幅图像的表情特征矢量(expression feature vector,EFV);最后利用支持向量机(support vector machine,SVM)对提取的EFV进行分类。该算法在JAFFE和Cohn-Kanade(CK)库上进行实验,分别取得了95.67%、96.17%的平均识别率以及1 213 ms和4 565 ms的平均特征提取时间。实验结果表明所提方法能较快、较准确地进行人脸表情识别。     

基于直方图加权HCBP的人脸表情识别

针对局部二值模式(Local binary pattern,LBP)及其改进算法所提取的特征维数过长、局部特征描述不够充分的缺点,提出了一种基于直方图加权HCBP(Haar-like centralized binary pattern,HCBP)的人脸表情识别方法。首先将人脸图像分成大小均匀的若干子块,利用HCBP算子提取各子块的纹理特征;然后通过信息熵的计算求得各子图像的权值,将加权子块HCBP特征直方图和原图像的HCBP直方图进行联合作为表情特征;最后,使用最近邻分类器对特征进行分类。Haar型特征与CBP相结合使得本文特征提取算法对局部特征的描述更为充分,信息熵的引入区分了人脸不同部位对表情的贡献程度。通过在JAFFE和Cohn-Kanade人脸表情库的实验证明:本文方法具有更高的识别率和识别效率。     

融合DCLBP和HOAG特征的人脸表情识别方法

为了进一步提高人脸表情识别算法的准确性,提出一种融合双编码局部二值模式(DCLBP)算子和绝对梯度直方图(HOAG)算子的人脸表情识别方法,该方法首先利用DCLBP算子提取人脸图像的局部纹理特征,利用HOAG算子提取人脸图像的局部形状特征;然后,采用典型相关分析法(CCA)融合所提取的两种特征;最后,利用支持向量机(SVM)进行人脸表情分类。实验结果表明,与单一特征识别方法和级联特征识别方法相比,本文方法获得了更好的识别效果,在CK (Cohn-Kanade)和JAFFE数据集上的实验分别达到了100%和99.05%的识别率,与其他相关方法的比较也验证了其有效性。     

基于区域 NSBP 特征的加权证据融合表情识别

为了提取鲁棒性强的人脸纹理特征并提高区域特征决策融合的性能,提出一种基于邻近平滑二值模式( neighbor smooth binary pattern, NSBP)特征描述子和加权证据融合(weighted evidence fusion, WEF)的表情识别新方法。 首先,提出了一种 NSBP 描述子,通过判定水平、垂直及对角线方向上的“中心”像素点灰度值是否在各梯度方向上两邻域的灰度值范围内来对图像进 行编码;然后基于提取的眉毛、眼睛和嘴巴区域的 NSBP 纹理特征来构造证据的初始基本概率分配(basic probability assignment, BPA);最后针对登普斯特-谢弗(Dempster-Shafer, D-S)证据理论在证据之间存在冲突时进行融合的不足,提出一种加权证据修 正的合成方法,以完成 3 个区域证据的决策融合。 实验结果表明,该方法在 CK(Cohn-Kanade)数据库上的平均表情识别率和识 别时间分别为 95. 25%、765 ms,与其他相关方法的比较也验证了其有效性。     

表情变化的三维人脸特征分析方法

三维人脸因其对光照,装扮变化的不敏感成为人脸分析和识别发展的新趋势。但极易受表情变化的影响成为三维人脸研究发展的瓶颈。针对此关键问题提出一种新的不受表情变化影响的三维人脸分析方法:1)计算三维人脸曲面的内蕴特征测地线距离,提取等距测地线来描述三维人脸曲面特征;2)利用改进的SIFT算法进行特征匹配。在具有不同表情的三维人脸深度图上的实验结果表明,该方法无需复杂的注册,表情的鲁棒性和识别效果优于传统的三维人脸分析方法。     

基于MobileNetV3多尺度特征融合的人脸表情识别

针对人脸表情识别中普通卷积神经网络特征提取能力不足且识别效率低下的情况，本文提出了一种基于MobileNetV3多尺度特征融合的人脸表情识别。首先利用MobileNetV3进行特征提取以获得高层次情感信息；其次在骨干网络中借鉴DenseNet结构，增强特征复用并提升网络重要面部特征表达能力；然后利用特征金字塔模块充分获取人脸图像的深层和浅层多尺度融合特征，从而提高了MobileNetV3的特征提取能力和实时性；最后利用全连接层构建分类器对表情进行分类，从而完成了人脸表情识别。通过实验验证，结果表明，在CK+和FERPlus数据集上识别准确率可以达到88.3%和98.8%，与现有方法相比分别提高了2.3%和1.5%，表明了所提方法识别效果好，泛化能力强。     

融合边缘检测和递归神经网络的视频表情识别

为有效解决传统视频人脸表情识别通常只关注单张视频帧的空间特征,而忽略了相邻帧之间隐藏的时间特征的问题,提出一种结合边缘检测和递归神经网络的视频表情识别方法,利用梯度边缘检测准确地提取输入图像的纹理信息,同时提出一种分片交叉LSTM结构,提取出图像序列中隐藏的时空特征。实验在CK+和MMI视频库上进行,在OCNN-RNN网络中分别取得88.4%和69.7%的识别率,在GCNN-RNN网络中分别取得89.8%和73.6%的识别率,最终使用提出的加权随机搜索方法融合GCNN-RNN和OCNN-RNN两个网络之后,分别取得了94.6%和79.9%的识别率,均优于单流网络算法,证明了所提算法的有效性。     

一种基于双向模块2DLDA的人脸识别方法

针对人脸识别中的特征抽取问题,对原始的二维线性判别分析(2DLDA)算法进行改进,提出了一种基于双向模块2DLDA的人脸识别算法。首先对原始图像进行模块化处理,然后分别从行和列2个方向上实施2DLDA变换,最后通过可调幂因子最近邻分类器进行特征分类,完成人脸识别。该方法不仅有效的利用人脸的局部特征信息、降低光照对人脸的影响,而且显著降低了人脸图像特征的维数。在ORL人脸库以及Yale人脸库中的实验结果表明,提出的人脸识别方法具有较好的人脸识别性能。     

基于最优支持度的证据融合表情识别方法

为了实现多区域表情特征的决策级融合,提出一种基于最优支持度的表情证据融合方法。首先,将眉毛、眼睛、嘴巴3个显著区域的纹理特征作为表情分类证据,并采用指数函数构建各证据的初始基本概率分配;然后,在有监督学习下构建证据支持度的优化式,同时将权重求解转化为同类样本支持度的最大化和异类样本支持度的最小化,并对初始基本概率分配进行修正;最后,基于登普斯特-谢弗(Dempster-Shafer,D-S)证据理论实现三区域证据的决策融合。该算法在CohnKanade库上进行实验,取得了94.2%的平均识别率以及752 ms的平均识别时间。与现有的决策融合和分类方法相比,特别提高了害怕、伤心、厌恶等不易分类表情的识别率。所提方法不仅具有较高分类识别率,而且对各表情分类保持较好鲁棒性。     

基于小波MCBP和WEF的人脸表情识别

现有的多尺度中心化二值模式（MCBP）通过在原始图像上改变CBP算子的半径,随着算子半径的增加计算量也迅速增加。针对这个问题,提出一种基于小波的MCBP（WMCBP）的人脸表情识别方法,对小波分解后的两幅低频图像的特征区域进行CBP变换,得到多级局部CBP直方图序列特征．该方法不仅能获得更加准确的多尺度信息,而且大大降低了运算量。为进一步提高表情识别率,引入了加权的小波能量特征（WWEF）。通过对JAFFE人脸表情库的实验证明;这两部分特征在一定程度上可互补,将它们融合能在不明显增加运算量的前提下增强WMCBP的表情识别能力。     

局部梯度DT-CWT主方向模式的表情识别

提出一种采用局部梯度双树复小波变换(dual-tree complex wavelet transform,DT-CWT)主方向模式(dominant direction pattern,DDP)的人脸表情识别方法。首先,对归一化后的表情图像进行4层DT-CWT,每一层得到8个方向的DT-CWT特征图像,其中包括6个高频方向和2个低频方向,构建一种新的主方向模式(IDDP)对每个DT-CWT特征图像进行编码;然后按照基于梯度方向的融合规则将每一层上IDDP编码特征图融合到一起,将融合图进一步划分为若干个不重叠且大小相等的子块,分别计算每个子块区域的直方图分布,将其联合起来得到人脸表情图像的特征;最后,采用基于Fisher加权的Chi平方概率统计最近邻方法进行分类识别。大量实验表明,算法在识别率和识别时间上都体现出了一定的优势。     

Facial expression recognition based on multi‐regional D–S evidences theory fusion

To achieve decision‐level fusion of multi‐regional features and highlight the credibility of different regional evidences, a facial expression recognition method based on multi‐regional evidence fusion is proposed. A block histogram of gradient Gabor features in three regions, namely eyebrows, eyes, and mouth, is extracted from a facial image and regarded as evidence in expression classification. Then, category membership and regional contribution are solved with the region‐weighted semisupervised fuzzy c‐means clustering algorithm to construct initial basic probability assignment (BPA ) and emphasize the importance of different evidences, respectively. The initial BPA of evidence is further reassigned by combining region contribution and evidence supportability to reduce evidential conflict. Finally, the final decision‐level fusion of multi‐regional evidences is obtained based on the Dempster–Shafer (D–S) combination rule. The experimental results for the Cohn–Kanade expression database show that the BPA construction method based on category‐membership degree and the reassignment strategy based on region contribution and evidence supportability improves the recognition rate and maintains good robustness for all types of expressions. Compared with existing decision‐level fusion strategies and classification methods, the proposed recognition framework based on D–S evidences theory has the advantages in recognition performance and reliability, particularly in increasing the recognition rate for expressions that are difficult to distinguish, such as fear, sadness, and disgust. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

No‐Reference Image Quality Evaluation Model for JPEG and JPEG2000 Images

In this paper, we present a new no‐reference (NR) image quality evaluation model for Joint Photographic Experts Group (JPEG) and JPEG2000 coded images. The proposed model is based on the blockiness around the block boundary, average absolute difference between adjacent pixels within the block, and zero‐crossing (ZC) rate within the block of the image. Subjective experimental results of the Laboratory for Image and Video Engineering (LIVE) Image Quality Assessment Database were used to train and test the model, which achieved sufficient quality prediction performance. Copyright © 2008 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于混合粒子群算法的短期负荷预测模型

由于电力负荷内在的非线性特性,传统基于梯度搜索的参数辨识技术可能陷入局部最优,影响了预测精度,故提出了混合进化和粒子群优化算法。将进化算法的基本思想引入粒子群优化算法,不但保持了粒子群算法结构简单、易于实现的特点,而且充分发挥了进化算法的全局搜索能力,可有效提高算法的精度和收敛速度。对上海地区电网进行短期负荷预测,与实际值相比较,结果表明,该算法具有较高的预测精度,是一种有效的短期预测方法。     

基于改进梯度加权的零件图像高精度聚焦方法

以标准量块为实验对象,针对环形光源照射下的零件图像易出现倒角特征成像存在宽边缘,手动调焦缺乏相机聚焦的客观性而导致图像聚焦不精确等问题,提出一种基于改进梯度加权的零件图像高精度聚焦方法。首先采用条形光源45°布置的照射方式,消除倒角特征在成像中的宽边缘。其次,基于改进Otsu实现自适应分割阈值获取,提取图像特征边缘点。接着,基于4方向Sobel算子获取边缘点梯度值。然后,根据像素点与其8邻域像素点灰度分布差异值大小,获取像素点梯度加权系数。最后,通过改进梯度加权的聚焦评价函数完成图像清晰度评价,获取精确聚焦图像,实现高精度尺寸测量。实验结果表明,该方法相比传统高精度测量方法精度更高,与人工测量值相对误差在0.002 4%以内。改进聚焦评价函数相比传统评价函数清晰度比率平均提升75倍,灵敏度因子平均提升5倍,陡峭度平均提升1倍。     

PMU在多区域互联系统状态估计中的应用

利用PMU和SCADA (数据采集与监控系统)组成混合量测,提出一种基于PMU量测多区域互联系统状态估计方法.从通过对角块加边模型(BBDF)的方法对大规模系统进行分区出发,在各区域内部单独进行状态估计的基础上,推导通过区域间数据交换得到修正的各区域外网戴维南等值,进而利用边界条件构造基于边界节点状态量的状态迭代模型,并通过不断修正各子系统相应的外界节点状态得到整个系统状态估计结果,通过6机25节点系统的仿真结果,验证了算法的有效性及优越性.