人臉表情是人類情感的主載體之一,它含有豐富的人體行為信息。通過臉部表情能夠表達人微妙的情緒反應以及對應的心理狀態[1],人臉表情識別技術隨著人們對表情信息的日益重視而受到關注,現已成為人們研究的熱點。基于幾何特征提取是一個快速、直接、有效的人臉表情識別方法,運用基于幾何特征提取的方法進行表情識別時,首先要對圖像進行邊緣檢測,確定嘴、眉毛、鼻子、眼睛等人臉表情顯著特征的形狀、位置、大小、距離等[2]。人臉表情邊緣檢測是這一系列工作的基礎,因此,采用有效的邊緣檢測算法實現人臉表情邊緣檢測是至關重要的。1邊緣檢測綜述邊緣檢測強調的是圖像對比度(contrast)[3],利用物體和背景在某種圖像特征上的差異來實現檢測,這些差異包括灰度、顏色或紋理特征。因此,邊緣檢測的實質就是檢測圖像特征發生變化的位置。常用的微分邊緣檢測算法主要是基于圖像強度的一階和二階導數,這種計算對噪聲很敏感,噪聲存在可能會使檢測到的邊緣變寬或在某些點處發生間斷,因此需要采用濾波器濾除噪聲。1.1中值濾波中值濾波是線性空間濾波的一種實現方式[5]。它是基于排序統計理論的一種能有效抑制噪聲的非線性信號處理技術[6]。這種濾波器的優點是運算簡單、速度快,在濾除疊加白噪聲和長尾疊加噪聲方面顯示了極好的性能。同時在一定的條件下,可以克服線性濾波器所帶來的圖像細節模糊,而且對濾除脈沖干擾及圖像掃描噪聲極其有效。另外,中值濾波器很容易自適應化,從而可以進一步提高其濾波性能。因此,它非常適應于一些線性濾波器無法勝任的數字圖像處理應用場合[7]。中值濾波器是把鄰域中的像素按灰度級進行排序,然后選擇該組中的中間值作為輸出像素值的一種鄰域運算[6]。具體步驟:1)將模板在圖像中移動,并將模板中心與圖像中某個像素的位置重合;2)讀取模板各個對應像素的灰度值;3)將這些灰度值從小到大排成一列;4)找出這些值單排在中間的一個;5)將這個中間值賦給對應模板中心位置的像素。1.2算法分析常用的微分邊緣檢測算子分為一階微分算子和二階微分算子,一階微分算子有Roherts算子、Sobel算子、Prewitt算子、Canny算子,二階微分算子有Laplacian算子、Log算子,各種算子都是基于對圖像導數分割原理進行的實例化計算,其中:Roberts算子邊緣定位準,但是對噪聲敏感,適用于邊緣明顯且噪聲較少的圖像分割;Sobel算子是一種離散型的差分算子,它用來運算圖像亮度函數梯度的近似值,但是Sobel算子并沒有將圖像的主題與背景嚴格地區分開來;Prewitt算子對噪聲有抑制作用,抑制噪聲的原理是通過像素平均來實現;Canny算子是一個具有濾波,增強,檢測的多階段的優化算子,在進行處理前,先利用高斯平滑濾波器來平滑圖像以ComputerKnowledgeandTechnology電腦知識與技術人工智能及識別技術本欄目責任編輯:唐一東第8卷第4期(2012年2月)除去噪聲。Canny分割算法采用一階偏導的有限差分來計算梯度幅值和方向,在處理過程中,Canny算子還將經過一個非極大值抑制的過程,最后Canny算子還采用兩個閾值來連接邊緣;Laplacian算子具有各向同性,即與坐標軸方向無關,坐標軸旋轉后梯度結果不變,但是,其對噪聲比較敏感;Log算子把Gauss平滑濾波器和Laplacian銳化濾波器結合了起來,先平滑掉噪聲,再進行邊緣檢測[4]。根據實驗對象的特征與各種邊緣檢測算子的特點,該實驗采用Canny算子。它主要由三個目標形成[3]:1)無附加響應的最優檢測。它通過最優平滑處理來減少噪聲響應;2)檢測邊緣位置和

總結

以上是生活随笔為你收集整理的基于matlab的人脸五官边缘检测方法,人脸边缘检测方法研究与仿真的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。