论文部分内容阅读
研究表明，新生儿经历反复的疼痛刺激会对生理和心理产生一定的负面影响，严重时会导致中枢神经系统的永久损伤和发育迟缓等。目前对新生儿疼痛程度的评估都是由经过专门训练的医护人员进行，这种方法存在的缺点主要有：耗费大量的人力和物力﹑评估结果受评估者主观因素的影响﹑有时不能及时进行评估。由此可见，开发出一种高效﹑自动的新生儿疼痛程度评估系统具有潜在的意义。新生儿疼痛表情识别的关键技术是表情特征的提取，它直接影响着识别率的高低。本文采用Curvele（t曲波）变换提取新生儿疼痛表情特征，再利用FDA（Fisher Discriminant Analysis）方法进行特征降维，最后利用稀疏表示法进行分类识别，实验结果表明了算法的可行性，识别率达到91.75%。主要工作如下：（1）研究了Curvelet变换不同尺度上的方向数对识别结果的影响。（2）采用FDA法对Curvelet变换提取的表情特征进行降维处理，得到了不同特征维数下的识别率，分析了识别率与特征维数之间的关系。（3）采用Newton-PCG（牛顿-预条件共轭梯度）法﹑Homotopy（同伦）法﹑OMP（正交匹配追踪）法对测试图像进行稀疏分解，研究了各方法在不同训练样本数目和不同特征维数下的识别性能。（4）使用交叉验证法求得平均识别率，并在Newton-PCG法达到最高识别率时的特征维数下，分析了各次实验中各类表情的正确识别率和误判率。