论文研究融合DCT和LBP特征的表情识别.pdf

为了获得更好的面部表情特征，提出了一种融合离散余弦变换（DiscreteCosineTransform，DCT）特征和局部二值模式（LocalBinaryPattern，LBP）特征的表情特征提取方法。该方法将人脸图像经过DCT后所获得的低频系数作为表情的整体特征；通过对人脸图像进行分块，计算每个子块的LBP直方图，将这些LBP直方图连接起来形成LBP特征，对该LBP特征使用拉普拉斯特征映射（LaplacianEigenmaps，LE）降维后得到表情的局部特征。将得到的整体特征和局部特征进行加权融合，使用最近邻分类器进行分类。在JAFFE和Cohn-Kanade表情库上的实验结果表明，该方法比单独使用LBP或者DCT特征，具有更好的效果。