[发明专利]一种基于人脸表情图像的GGH特征提取方法

摘要

本发明公开了一种基于人脸表情图像的GGH特征提取方法，其特征包括如下步骤：1、对人脸表情图像提取Gabor特征图；2、将相同尺度和不同方向上的Gabor特征图按梯度方向构造五个尺度上的Gabor特征融合图：3、对Gabor特征图提取GGH特征。本发明能有效降低特征维数和计算复杂度，提高特征提取的实时性。

主权项

1.一种基于人脸表情图像的GGH特征提取方法，其特征按如下步骤进行：步骤1、利用式(1)对人脸表情图像I(z)提取Gabor特征图F_u,v(z)：式(1)中，I(z)为人脸表情图像，*为卷积符号，为Gabor滤波器，并有：式(2)中，z为所述人脸表情图像I(z)中的像素点，u和v分别为所述Gabor滤波器中的尺度和方向；所述尺度u∈(0,...,4)分别表示5个不同的尺度；所述方向v∈(0,...,7)分别表示8个不同的方向；||||为模运算，i为复数算子，σ为高斯函数的半径，k_u,v为Gabor滤波器的中心频率；步骤2、将相同尺度和不同方向上的Gabor特征图F_u,v(z)按梯度方向构造五个尺度上的Gabor特征融合图：步骤2.1、假设所述Gabor特征融合图为S_u(z)，u∈(0,...,4)，对所述Gabor特征图F_u,v(z)和所述Gabor特征融合图S_u(z)进行排列组成一个三行三列的矩阵A：A=A00,A01,A02,A10,A11,A12,A20,A21,A22]]>令所述矩阵A中的每个元素分别为：A₀₀＝F_u,7(z)，A₀₁＝F_u,6(z)，A₀₂＝F_u,5(z)，A₁₀＝F_u,0(z)，A₁₁＝S_u(z)，A₁₂＝F_u,4(z)，A₂₀＝F_u,1(z)，A₂₁＝F_u,2(z)，A₂₂＝F_u,3(z)；步骤2.2、利用式(3)和式(4)分别获得所述矩阵A的梯度方向上的偏导数G_x和G_y：G_x＝(F_u,1(z)+F_u,2(z)+F_u,3(z))-(F_u,7(z)+F_u,6(z)+F_u,5(z))  （3）G_y＝(F_u,5(z)+F_u,4(z)+F_u,3(z))-(F_u,7(z)+F_u,0(z)+F_u,1(z))  （4）步骤2.3、利用式(5)获得所述梯度方向上的角度θ：θ=arctan(GyGx)---(5)]]>步骤2.4、利用式(6)获得所述Gabor特征融合图S_u(z)Su(z)=N+4,N≤3N-4,N≥4---(6)]]>式(6)中：N表示梯度方向，并有：式(7)中：[]表示向下取整；步骤3、对所述Gabor特征融合图S_u(z)提取GGH特征：步骤3.1、将所述Gabor特征融合图S_u(z)划分成m个均匀且互不重叠的子区域R₀,...,R_m-1；步骤3.2、统计出m个子区域R₀,...,R_m-1内的直方图分布，将所述m个直方图分布联合起来获得分块直方图序列H={HR00,HR10,...,Hku,...HRm-14},u∈(0,...,4),k∈(R0,...,Rm-1),]]>表示第u个尺度的融合图像在第k个子区域的直方图分布，所述分块直方图序列H即为GGH特征。