[发明专利]基于韦伯多方向描述子的人脸表情识别特征提取方法

权利要求书

1.一种基于韦伯多方向描述子的人脸表情识别特征提取方法，其特征在于：包括以下步骤：

步骤1：将人脸表情图像进行Gabor小波变换,并将同一尺度各方向的Gabor特征进行融合；

步骤2：将一副人脸表情Gabor特征图像分为不重叠的子块，在每个子块上采用5×5的窗口，并分别在水平、垂直、两个对角线方向上构建图结构；

步骤3：分别计算图结构在0°、45°、90°、135°方向上的特征值，取四个特征值中最大的一个作为韦伯多方向描述子的差分激励；

步骤4：分别计算中心像素在两个相互垂直方向上的梯度方向，并把两者中较大的梯度方向作为韦伯多方向描述子的主方向，具体方法如下：

θ(x_c，y_c)＝max[θ(0°，90°)，θ(45°，135°)]

其中，θ的取值范围为x_c，y_c表示邻域的中心像素，g₀-g₁₅表示中心像素周围的5×5邻域像素灰度值。

2.根据权利要求1所述的基于韦伯多方向描述子的人脸表情识别特征提取方法，其特征在于：所述步骤1的具体实现方法为：将人脸表情图像经过Gabor小波变换转化为5个尺度、8个方向的Gabor特征图,将同一尺度8个方向的Gabor特征进行融合，得到不同尺度下的人脸表情融合图。

3.根据权利要求2所述的基于韦伯多方向描述子的人脸表情识别特征提取方法，其特征在于：所述Gabor小波变换采用Gabor滤波器，该Gabor滤波器的核函数G(k,x,y,θ)采用如下公式计算：

其中，x,y代表中心像素点，θ代表Gabor核函数的方向,k_u，v是滤波器的中心频率，由它确定Gabor尺度因子v和方向u，σ是滤波器的带宽；

并且，采用如下公式计算MG_v(x，y)：

其中，MG_v(x，y)代表在第v个尺度上融合8个方向后的Gabor特征。

4.根据权利要求1所述的基于韦伯多方向描述子的人脸表情识别特征提取方法，其特征在于：所述步骤3的实现方法为：在图结构中，对于目标像素0°方向、135°方向、90°方向以及45°方向的像素，箭头按照逆时针方向连接，如果箭头所指方向的像素灰度值大于箭头尾端像素值，则该边的权值赋值为1，反之，该边的权值赋值为0；在目标像素0°方向、90°方向、45°方向以及135°方向的像素按照顺时针方向比较，通过比较相邻像素的灰度值，在每个方向上得到一个8位的二进制序列，再把每位的二进制数乘以相应边上的权重得到该方向上最终的特征值，最后分别计算0°、45°、90°、135°方向上的特征值，取四个方向中最大特征值作为韦伯多方向描述子的差分激励。

5.根据权利要求4所述的基于韦伯多方向描述子的人脸表情识别特征提取方法，其特征在于：所述计算0°、45°、90°、135°方向上的特征值采用如下公式：

WOD-GS(x_c，y_c)＝max(feature_0°，feature_45°，feature_90°，feature_135°)

其中，feature_0°表示用图结构算法在0°方向上取得的特征值，feature_45°表示用图结构算法在45°方向上取得的特征值，feature_90°表示用图结构算法在90°方向上取得的特征值，feature_135°表示用图结构算法在135°方向上取得的特征值。