基于提升小波和FLD的人脸表情识别

您当前的位置：

首页 >

文章列表页 >

基于提升小波和FLD的人脸表情识别

信息光学与图像处理 | 更新时间：2025-09-01

- 基于提升小波和FLD的人脸表情识别
- Facial expression recognition based on lifting wavelet and FLD
- 光学技术 2012年38卷第5期页码：579-582
- 作者机构：
  
  1:山东大学信息科学与工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2012.05.013
  中图分类号：
- 纸质出版：2012
- 稿件说明：
移动端阅览
董玉龙, 姜威. 基于提升小波和FLD的人脸表情识别[J]. 光学技术, 2012,38(5):579-582.

Facial expression recognition based on lifting wavelet and FLD[J]. 2012, 38(5): 579-582.
董玉龙, 姜威. 基于提升小波和FLD的人脸表情识别[J]. 光学技术, 2012,38(5):579-582. DOI： 10.13741/j.cnki.11-1879/o4.2012.05.013.

Facial expression recognition based on lifting wavelet and FLD[J]. 2012, 38(5): 579-582. DOI： 10.13741/j.cnki.11-1879/o4.2012.05.013.

提出一种基于提升小波和Fisher线性判别法(FLD)相结合的人脸表情特征提取方法。提升小波是完全基于时空域的变换

具有多分辨率的特征

更有利于表情细节信息的提取

并且运算时间短

便于实现。图像经过提升小波变换后

取其低频分量和高频分量相结合作为整体特征

实验证明保存了绝大部分的表情分量

然后用Fisher线性判别法(FLD)进行特征提取

采用K-近邻法进行分类。在JAFFE数据库中

分辨率达到94.3%

识别时间为2.9s

证明了方法的有效性。

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Contourlet变换与FLD的人脸表情识别方法

利用双流卷积神经网络的人脸表情识别方法

基于长短期记忆网络与特征融合的微表情识别算法

基于小波分解金字塔的OCT图像特征提取算法

基于3D CNN的脑胶质瘤分类算法