面瘫患者面部运动功能自动分级方法研究

论文摘要

面瘫,即由面部功能障碍引起的面部表情肌肉瘫痪,是一种临床常见病,不仅影响患者的表情运动等生理功能,而且影响患者的身心健康。对面瘫患者的面部运动功能进行分级对面瘫的治疗非常重要,但是传统的分级方法大多是主观的,需要依据医生的经验来判断,这样既费时又可能得不到准确的结果。随着计算机图像处理和模式识别技术的发展,运用基于人脸特征提取技术进行面部运动功能自动分级成为可能。人脸特征提取是一个具有很高理论和应用价值的研究课题,是模式识别、图像处理等学科的一大研究热点。本文对人脸特征提取的一些方法进行了探讨,并且针对面瘫患者的面部特征进行了深入的研究,提出了一种基于人脸特征提取的面部运动功能分级方法,并实现了一个面部运动功能自动分级系统,包括人脸图像预处理、人脸检测、特征提取和特征分类及比对。本论文首先介绍了面部运动功能自动分级的研究现状及研究意义,接着介绍了人脸图像预处理和归一化的方法,使后续工作能够顺利进行。本文提出了基于特征点检测和基于人脸Gabor特征提取的两种方法,并且比较了这两种方法的优劣。在特征点检测中,提出先对图像进行边缘检测,提高了准确性。在特征提取中,利用Gabor小波提取人脸特征,然后使用不同分类器进行分级。本论文通过大量实验对算法进行验证,证明该算法是可行的。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究的背景
• 1.2 国内外研究现状
• 1.3 论文的主要工作与组织结构
• 2 人脸图像预处理
• 2.1 数字图像处理的概念
• 2.2 灰度变换
• 2.3 直方图均衡化
• 2.4 图像几何归一化
• 2.4.1 人脸左右边界的确定
• 2.4.2 二值化
• 2.4.3 人脸各部分定位
• 2.4.4 旋转校正
• 3 基于人脸特征点定位的分级方法
• 3.1 角点检测准则
• 3.2 边缘检测
• 3.2.1 经典边缘检测算法
• 3.2.2 Canny算法
• 3.2.3 SUSAN边缘检测方法
• 3.3 角点检测
• 3.4 基于特征点检测的分级
• 3.5 分级标准
• 4 基于Gabor小波特征提取的分级方法
• 4.1 小波变换基础
• 4.1.1 小波变换
• 4.1.2 小波变换的特点
• 4.2 Gabor变换
• 4.2.1 Gabor变换的定义
• 4.2.2 Gabor滤波器
• 4.2.3 Gabor滤波器的性质
• 4.2.4 人脸图像的Gabor特征表示
• 4.3 主成份分析
• 4.3.1 主成份分析法介绍
• 4.3.2 主成份分析方法降维步骤
• 5 面部运动功能分级使用的分类器
• 5.1 最近邻分类器
• 5.1.1 距离测度
• 5.1.2 最近邻决策准则
• 5.2 支持向量机
• 5.2.1 统计学习理论
• 5.2.2 SVM 基本原理
• 5.2.3 核函数
• 5.2.4 用于多类分类的支持向量机
• 6 实验结果与分析
• 6.1 实验过程
• 6.2 核函数参数选择
• 6.3 分类器的比较
• 7 总结及展望
• 参考文献
• 致谢
• 个人简历
• 发表的学术论文