基于C-LBP算法应用于人脸表情识别

　　人脸表情是人类情感信息传播与人际关系协调的重要方式。人脸表情识别在人际交流以及交互中作用非常的重要，多被应用到机器视觉、智能控制、模式识别等领域，它根据人的表情不同做出不同的判断，更好地满足人类生活需求。在表情识别技术中，如何提取和选择有效的人脸描述特征是研究的关键内容。表情识别主要南人脸表情识别的特征提取和稀疏表示分类器的选择两个部分组成。

　　特征提取在人脸表情识别中有着相当重要的作用，提取出来的特征也影响着整个识别系统的正确率，目前普遍为大家所用的包括整体法、局部法、光流法、模型法和几何法，整体法和局部法主要用于静态图像特征提取，光流法、模型法和几何法主要用于动态图像特征的提取。其中在整体法中较为熟知的提取算法有PCA特征、LDA特征旧和ICA特征：局部法中比较经典的算法有LBP算子法和CJahor小波法。Gahor小波在提取日标的局部宅间和频率域信息方面具有良好的特性，然而，该算法需要计算不同尺度和方向的小波核函数，提取出的高维特征向量对整个算法造成冗余。相比而言，传统的LBP算子法是一种简单，有效的纹理分类的特征提取算法，在纹理分析方面有着广泛的应用，近几年在人脸识别领域取得了巨大的发展。从传统的LBP算子法到MB—LBP算子法冉到后来的完整LBP算子法，每一次的改进都在人脸识别领域取得了较大的成功。例如，LBP算子法到MB—LBP算子法的改进，相比原始LBP算法整幅图片进行编码，MB-LBP特征首先将特提取特征的图像分区域，在某一块区域中冉等分成9块，再以每一小块的平均灰度值替代原始LBP特征算法的3x3模式中的临域点灰度值，之后将平均值和中心块像素值相比，得到MP-LBP特征码。文中首先采用MB-LBP算法进行特征提取，再利用C-LBP算法把中心像素考虑了进去并赋予最高的权值，提高了特征判别力和特征的有效性。