基于log-gabor的新生儿疼痛表情特征提取的研究

《基于log-gabor的新生儿疼痛表情特征提取的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、单位代码：10293密级：硕士学位论文论文题目：基于Log-Gabor的新生儿疼痛表情特征提取的研究学号1011010624姓名赵元导师卢官明教授学科专业信号与信息处理研究方向图像处理与多媒体通信申请学位类别工学硕士论文提交日期2014年5月万方数据ResearchontheExtractionofNeonatalPainFacialExpressionBasedonLog-GaborThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDe

2、greeofMasterofEngineeringByZhaoyuanSupervisor:Prof.LuGuanmingMay2014万方数据南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人学位论文及涉及相关资料若有不实，愿

3、意承担一切相关的法律责任。研究生签名：_____________日期：____________南京邮电大学学位论文使用授权声明本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。涉密学位论文在解密后适用本授权书。研究生签名：____________导师签名：_________

4、___日期：_____________万方数据摘要疼痛会给新生儿带来很多负面影响，直接或间接影响它们的身体健康和成长发育。在目前阶段，对新生儿疼痛的评估主要是由专业的医护人员进行的，但是这种方法存在主观性并且要花费人力、物力资源。因此开发一种快速而有效的新生儿疼痛表情识别系统具有非常重大的意义。本文主要完成以下工作：（1）本文对表情特征提取方法进行了研究，提出了基于Log-Gabor的新生儿疼痛表情特征提取方法。（2）研究了基于PCA（PrincipalComponentAnalysis，主元分析法）的特征降维方法，以及L

5、DA（LinearDiscriminantAnalysis，线性判别分析）、2DPCA等方法。本文实验采用PCA方法对新生儿表情特征进行降维，对降维后特征向量的维数和识别率的关系进行了分析和研究。（3）比较了线性核函数SVM（SupportVectorMachine，支持向量机）、多项式核函数SVM（d2,3,4）、径向基函数SVM、Sigmoid核函数SVM以及稀疏表示分类方法等七种不同分类器的性能。（4）比较和分析Gabor和Log-Gabor这两种特征提取方法在相同实验条件下的识别率以及特征提取时间。（5）在熟悉M

6、ATLABGUI（GraphicalUserInterface，图形用户界面）的基础上开发设计了简单易操作的新生儿疼痛表情识别系统的用户界面。实验结果表明：使用Log-Gabor对新生儿疼痛表情进行特征提取，然后使用PCA对表情特征进行降维，最后使用SVM进行分类识别，其最高识别率达89%。关键词:Gabor，Log-Gabor，主成分分析，支持向量机，图形用户界面I万方数据AbstractPainmaybringuncomfortablenessandhaveabadeffectonthegrowthofneonatei

7、nthefuture.Currently,neonatalpainassessmentmainlydependonprofessionalmedicalworkers,itnotonlyneedstimeandenergy,butalsomayresultinthemistake.So,developinganobjectiveanduserfultoolofneonatalpainassessmentissignificant.Theresearchedworkofthispaperisasfollows:(1)This

8、paperhasresearchedserveralmethodsoffeatureextractionandpresentsthemethodoffeatureextractionofneonatalpainexpressionbasedonLog-GaborWavelet.(2)Thispaperh