导读:本文包含了表情成分分析论文开题报告文献综述及选题提纲参考文献，主要关键词:计算机图像处理,矿工表情识别,主成分分析法,Fisher线性判别法
表情成分分析论文文献综述
杜云,张璐璐,潘涛[1]（2019）在《基于改进的主成分分析法的矿工表情识别》一文中研究指出针对传统的矿工面部表情识别方法中对矿工面部表情进行特征提取的时间较慢且识别准确率不高的问题,以主成分分析法为基础,运用Fisher线性判别法对传统的主成分分析法进行改进。首先在主成分分析法的基础上增加一个类间离散矩阵,使其投影后不同类别之间特征点的距离更大,同一类别之间特征点的距离更加紧凑,对矿工面部表情图像特征提取的结果更具有代表性和针对性;然后运用径向基神经网络将低维非线性可分的矿工面部表情图像对应的特征矩阵映射到高维空间并使其线性可分,从而实现对矿工面部表情的识别和分类。实验结果表明,所提出的方法对矿工面部表情识别的识别率为89.0%,优于传统矿工面部表情分类识别算法,在矿井安全监控、疲劳驾驶等领域有较好的应用前景。(本文来源于《河北科技大学学报》期刊2019年01期）
董日霞,杜向东,杨建功,王晓龙,吴天诚[2]（2018）在《脑外伤后情绪障碍者面孔表情ERP晚期正成分分析》一文中研究指出目的探讨正性、负性及中性面孔刺激范式事件相关电位(event-related potential,ERP)在脑外伤者情绪障碍评定中的应用价值。方法对24例以焦虑忧郁症状为主的情绪障碍者(忧郁组)和19例以敌对猜疑症状为主的情绪障碍者(敌对组)分别进行面孔刺激范式ERP检测,比较其与正常对照组的差异。结果正性、负性和中性3类图片刺激诱发的ERP晚期正成分(late positive potential,LPP)潜伏期及波幅(负性图片刺激诱发的波幅除外)在忧郁组及敌对组间差异均无统计学意义,两组LPP潜伏期较正常对照组均延长,LPP波幅较正常对照组均降低。在相同组内,3类图片刺激诱发的LPP潜伏期差异无统计学意义,负性图片刺激诱发的LPP波幅均高于中性、正性图片刺激诱发的LPP波幅,敌对组与正常对照组波幅差异具有统计学意义(P<0.05),而忧郁组内波幅差异无统计学意义。结论 LPP潜伏期、波幅的变化可作为脑外伤者情绪障碍评定的客观指标,负性情绪诱发的LPP对忧郁为主的情绪障碍的评估更有意义。(本文来源于《法医学杂志》期刊2018年06期）
苏岑,金瑜成,孙凯悦,戚国亮,黄佳杰[3]（2018）在《基于Gabor小波和主成分分析的人脸表情识别》一文中研究指出设计一种基于Gabor小波和主成分分析(PCA)的人脸表情识别方法。首先对每一张表情图像采用Haar特征进行人脸检测,然后选择合适的Gabor小波滤波器组进行表情特征提取,最后采用PCA对提取的高维Gabor小波特征进行特征降维,输入到K近邻法(KNN)分类器实现表情分类任务。在标准的JAFFE表情数据集的试验结果表明,PCA方法提取90维的Gabor小波特征用于表情识别时表现最好,能够取得89.52%的人脸表情识别性能。可见,该方法是一种可行的人脸表情识别方法。(本文来源于《台州学院学报》期刊2018年06期）
张日东,贾克斌[4]（2018）在《一种用于表情识别的局部二维主成分分析算法》一文中研究指出人脸表情识别是生物特征识别技术的重要组成部分,在安全监测、人机交互等领域有着重要应用。主成分分析(PCA)算法是一种目前广泛应用于表情识别的算法,但在实际应用中识别对象存在个体间差异以及易混淆的相似表情,对算法的稳定性提出了很大挑战。针对于上述问题,在PCA基础上提出一种局部二维主成分分析(L-2DPCA)改进算法,并用于人脸表情特征提取。算法先为每个测试样本选取一组近邻的训练样本,作为局部样本结构;然后再对局部样本进行二维主成分分析;通过放大不同子集类样本间的距离并缩小子集中所有样本间距离的方式,使映射矩阵提取更为准确的表情特征。在Rafd和LMIP人脸表情库进行算法性能测试,实验结果表明,所提出的改进算法在保证实时性的前提下,识别率较标准算法平均分别提高了6%和10%。(本文来源于《计算机应用与软件》期刊2018年02期）
付胜博[5]（2012）在《结合双向二维主成分分析和Fisher线性判别的人脸表情识别的研究》一文中研究指出人脸表情识别是一个非常具有挑战性和非常有意义的课题，它不仅涉及到计算机视觉、心理学、生理学等相关学科，还涉及到模式识别和图像处理技术等。随着科技的进步，人们对计算机的需求也越来越多，希望能够与计算机更加便捷、友好和智能的进行人工交互，而且人脸表情识别技术在安全等多个领域具有广泛的发展前景。针对目前各种方法的优点和不足，本文首先介绍了人脸表情识别的基本流程，重点研究了人脸检测、特征提取和表情分类等关键问题，主要工作如下：（1）人脸检测及图像预处理方面，本文主要讲解了基于Haar-Like特征和Adboost学习方法的人脸表情识别，之后对图像进行了尺寸归一化、去噪声、直方图均衡化等预处理（2）特征提取方面，本文详细介绍以主成分分析进行提取特征的原理，针对其不足之处，又介绍了二维主成分分析，之后又改进成双向二维主成分分析提取方法，结合Fisher线性判别可以使得类间距离最大化的特点，最终采用双向二维主成分分析和Fisher线性判别相结合的特征提取方法（3）表情分类和识别方面，本文主要介绍了SVM分类器原理及其优点，实验采用径向基核函数和一对一的SVM分类器对表情进行识别，并对各种特征提取方法进行实验，将结果进行对比，结果显示本文结合BDPCA和FLD进行特征提取，之后结合SVM分类器，表情识别取得了不错的效果。(本文来源于《天津大学》期刊2012-12-01）
丁维福[6]（2011）在《基于独立成分分析的人脸表情识别算法研究》一文中研究指出人工情感指用人工的方法和技术,模仿、延伸和扩展人的情感,使机器具有识别、理解和表达情感的能力。它是人工智能研究领域的一部分。随着机器人技术在越来越多的领域中的应用,机器人具有人工情感也变的极有可能和相当必要。基于计算机视觉的人脸表情识别就是人工情感研究中的一项重要任务。人脸表情识别涉及到图像处理、模式识别、运动跟踪、生理学、心理学等多个研究领域。它是基于视觉信息对脸部的运动以及脸部特征的变化进行分类。人脸表情识别系统主要包括人脸的检测、表情特征的提取和表情的分类叁个部分。其中,表情特征的提取是识别技术的关键,决定着最终的识别结果。随着课题研究的深入,已经出现了很多表情识别的有效算法,比如整体识别法、局部识别法和几何特征法。并且,很多在人脸识别中常用的方法,也被引入到表情识别中,并得到了较高的识别率。包括主成分分析法(PCA)、独立成分分析法(ICA)、Fisher线性判别法(FLD)、隐马尔科夫模型法等。论文在充分研究已有的各种表情识别算法的基础上,力求寻找一种能有较高识别率并有较好泛化性的表情识别算法。本文工作如下：(1)对日本的标准表情库JAFFE进行了有效的预处理。用人工标定的方法对眼睛中心位置进行甄别确定,然后根据人眼中心坐标对图像进行裁剪,以使裁剪后的脸部特征部位归一化到同一位置上。然后用直方图均衡化、中心化等方法使得最终的图像具有相同的灰度均值和方差。(2)把独立成分分析算法引入到表情识别领域中,提出了基于ICA的人脸表情识别算法。该算法考虑到了图像的高阶统计特性对表情识别的贡献,在日本JAFFE表情库中的实验证明本方法的有效性。(3)提出了一种结合Gabor变换和FastICA技术和K-近邻分类器的表情识别算法。Gabor小波具有很好的空频局部性和多方向选择性,因此更有利于表情细节信息的提取。FastICA技术能够消除信号间的高阶统计冗余。首先,对预处理后的图像进行Gabor变换,把得到的系数排列成Gabor特征矢量,然后用FastICA对Gabor特征矢量进行特征提取,最后用K-近邻分类器进行分类。实验还对Gabor变换的尺度数和方向数进行了确定,发现尺度为5,方向个数为4时,能取得最好的效果。若数目减小,则影响识别率；若数目增大,不仅不能提高识别率,反而加大了运算量。在JAFFE表情库中进行了与人有关的表情识别和与人无关的表情识别两组实验。实验结果证明,本算法在识别率上有了较大的提高,并且具有一定的泛化性。(本文来源于《山东大学》期刊2011-04-20）
李俊华,彭力[7]（2008）在《基于特征块主成分分析的人脸表情识别》一文中研究指出使用特征块主成分分析(FBPCA)对人脸表情进行特征提取,然后输入最近邻分类器得到分类结果。同时,讨论了特征脸个数在实验中的影响,总结出了识别率与特征脸数量的关系。分别在JAFFE表情库上做了训练数据包含测试数据和训练数据不包含测试数据等情况的表情识别。(本文来源于《计算机工程与设计》期刊2008年12期）
徐正光,闫恒川,张利欣[8]（2006）在《基于表情识别的独立成分分析方法的研究》一文中研究指出以人脸的表情识别为实验背景,分析了在对人脸表情的识别过程中,单个独立分量对识别率的影响,由此进一步总结了在表情识别中如何更有效地选取独立子空间,以实现在不影响识别率的前提下,减少用于构成独立子空间所需的独立分量的个数。(本文来源于《计算机工程》期刊2006年24期）
徐正光,闫恒川,张立欣[9]（2006）在《独立成分分析在表情识别中的应用》一文中研究指出独立成分分析(ICA)是一种基于信号高阶统计特性的分析方法,本文尝试将这种方法应用于人脸表情的特征提取。首先对预处理后的图像用FastICA算法计算得到解混矩阵以及此训练样本集的影像独立基成分,然后利用影像独立基来构造一个投影空间,最后利用待识别的表情图像在这个空间上作空间影射,所得到得投影系数用以实现分类。为了减少运算量,本文研究了降维的训练样本集的独立成分分析。(本文来源于《微计算机信息》期刊2006年17期）
表情成分分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的探讨正性、负性及中性面孔刺激范式事件相关电位(event-related potential,ERP)在脑外伤者情绪障碍评定中的应用价值。方法对24例以焦虑忧郁症状为主的情绪障碍者(忧郁组)和19例以敌对猜疑症状为主的情绪障碍者(敌对组)分别进行面孔刺激范式ERP检测,比较其与正常对照组的差异。结果正性、负性和中性3类图片刺激诱发的ERP晚期正成分(late positive potential,LPP)潜伏期及波幅(负性图片刺激诱发的波幅除外)在忧郁组及敌对组间差异均无统计学意义,两组LPP潜伏期较正常对照组均延长,LPP波幅较正常对照组均降低。在相同组内,3类图片刺激诱发的LPP潜伏期差异无统计学意义,负性图片刺激诱发的LPP波幅均高于中性、正性图片刺激诱发的LPP波幅,敌对组与正常对照组波幅差异具有统计学意义(P<0.05),而忧郁组内波幅差异无统计学意义。结论 LPP潜伏期、波幅的变化可作为脑外伤者情绪障碍评定的客观指标,负性情绪诱发的LPP对忧郁为主的情绪障碍的评估更有意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
表情成分分析论文参考文献
[1].杜云,张璐璐,潘涛.基于改进的主成分分析法的矿工表情识别[J].河北科技大学学报.2019
[2].董日霞,杜向东,杨建功,王晓龙,吴天诚.脑外伤后情绪障碍者面孔表情ERP晚期正成分分析[J].法医学杂志.2018
[3].苏岑,金瑜成,孙凯悦,戚国亮,黄佳杰.基于Gabor小波和主成分分析的人脸表情识别[J].台州学院学报.2018
[4].张日东,贾克斌.一种用于表情识别的局部二维主成分分析算法[J].计算机应用与软件.2018
[5].付胜博.结合双向二维主成分分析和Fisher线性判别的人脸表情识别的研究[D].天津大学.2012
[6].丁维福.基于独立成分分析的人脸表情识别算法研究[D].山东大学.2011
[7].李俊华,彭力.基于特征块主成分分析的人脸表情识别[J].计算机工程与设计.2008
[8].徐正光,闫恒川,张利欣.基于表情识别的独立成分分析方法的研究[J].计算机工程.2006
[9].徐正光,闫恒川,张立欣.独立成分分析在表情识别中的应用[J].微计算机信息.2006
标签：计算机图像处理; 矿工表情识别; 主成分分析法; Fisher线性判别法;