一种基于Radon变换的微表情识别算法.pdf

基于 Radon 变换的微表情识别算法 在计算机视觉和 人工智能领域中，微表情识别是一项具有挑战性的任务。微表情是指人们在高强度环境中试图控制和掩饰的情感表现，也是一种不曾意识到的瞬时脸部表情，持续时间短，强度弱。为了提高微表情识别的准确率，提出了一种基于 Radon 变换的微表情识别算法。 Radon 变换是一种数学变换，可以将二维图像转换为一维函数。它可以用于图像处理和分析，例如图像去噪、图像压缩和图像识别等。在微表情识别领域中，Radon 变换可以用于提取微表情的特征值和特征图像。 算法流程： 1. 数据预处理：对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法（Two-dimensional Principal Component Analysis，2DPCA）降维预处理。 2. 运动特征提取：使用光流法对降维后图像提取运动特征。 3. Radon 变换：使用 Radon 变换算法对光流图像进行处理，得到对应微表情的特征值和特征图像。 4. 微表情分类识别：使用支持向量机进行微表情分类识别。 实验结果表明，使用 Radon 变换后得到的微表情特征图像得到了较好的识别效果，在微表情数据集 CASME 和 CASMEⅡ上识别率分别为 81.48% 和 82.17%。通过与选取的其他方法对比说明了该方法具有更好的识别性能。 关键技术点： 1. Radon 变换：Radon 变换是一种数学变换，可以将二维图像转换为一维函数。它可以用于图像处理和分析，例如图像去噪、图像压缩和图像识别等。 2. 光流法：光流法是一种计算机视觉技术，可以用于计算图像之间的运动信息。 3. 支持向量机：支持向量机是一种机器学习算法，可以用于分类和回归任务。 微表情识别算法的应用前景广泛，例如在情感计算、人机交互、安全监控等领域都有着广泛的应用前景。 在微表情识别领域中，基于 Radon 变换的微表情识别算法是一种有效的方法，可以提高微表情识别的准确率。但是，微表情识别仍然是一个具有挑战性的任务，需要进一步的研究和改进。 除了微表情识别外，基于 Radon 变换的算法还可以用于其他图像处理和分析任务，例如图像去噪、图像压缩和图像识别等。因此，基于 Radon 变换的微表情识别算法具有广泛的应用前景。