面部表情分析及其在面瘫评估中的应用

摘要

论文主要研究内容包括:1.研究了主分量分析方法,结合面瘫判定的应用特点,对于单帧静态表情图像,用主分量分析的方法判别表情模式.提出沿对称轴相减的预处理方法,判定模式时引入多特征空间,并自适应的选用单特征空间或多特征空间,达到最优的时间性能比.实现了静态表情的模式判定系统,能够自动判定表情是否对称,达到了较高的判定正确率.2.对于多帧连续表情图像,用本征点法预测特征点的位置,能够充分利用已有的训练图像的灰度和特征点位置信息,利用矩阵变换预测特征点,算法快速简洁.然后,针对本征点法的精度缺陷和Snake算法的初始化要求,把两者结合起来,应用GVF Snake算法提取轮廓,获得精确的特征点.在处理图像序列时,利用相邻帧的近似特点,简化Snake的初始化方法,减少Snake算法的迭代次数,由提取的轮廓获得精确的特征点坐标.3.利用特征点的坐标信息,计算特征点的位移和速度,描绘图线,给医生提供了直观的数据.结合医学专家的知识,从严重面瘫、轻度面瘫和健康人三类图像样本中分析不同类别样本的面部表情图像的特点,设置评估参数,作为评估的标准.提供了对动态表情动作做面瘫评估的模型.

目录

文摘

英文文摘

原创性声明和使用授权书

第一章　绪　论

1.1 研究动机与目的

1.1.1 面部表情研究的生理学背景

1.1.2 面瘫评估系统的研究意义

1.2 面部表情分析方法及面瘫评估的现状

1.2.1 静态表情分析的方法

1.2.2 动态表情分析的方法

1.3 论文的组织结构

1.4 论文创新点

第二章　常用面部表情分析方法简介

2.1 基于神经网络的静态表情识别方法

2.2 基于HMM的方法

2.3 基于动态模型和运动能量的方法

2.4 常用面部表情分析方法的比较

2.5 结论

第三章　静态面部表情的分析及面瘫判定

3.1 特征空间（EIGENSPACE）分类方法介绍

3.2 对算法的改进

3.3 系统实现

3.3.1 图像预处理

3.3.2 脸部区域分割

3.3.3 对称轴的确定

3.3.4 分类的输入向量的计算

3.3.5 参数的选取

3.4 实验结果

第四章特征点的初步定位

4.1 本征点方法

4.2 输入数据的预处理

4.3 特征点的预测

第五章　特征点的精确定位及跟踪

5.1 SNAKE算法原理

5.2 GVF SNAKE

5.3 确定特征点

5.4 特征点跟踪

第六章　对动态图像序列的面瘫等级评估

6.1 特征点的位移和速度

6.2 面瘫评估方法

第七章　总结

参考文献

致　谢

攻读学位期间发表和录用的论文