基于AR WLD和分块相似度加权的遮挡表情识别

针对非约束环境下, 局部遮挡可能会对表情识别造成干扰并影响最终判别结果的问题, 提出一种基于非对称邻域韦伯局部描述子(AR-WLD)和分块相似度加权的表情识别算法。在特征描述上, 相比传统的韦伯局部描述子 (WLD), AR-WLD将原有的方形邻域扩展成非对称邻域, 并进行了多尺度分析, 增强了算子的表征能力。在分类判别时, 为了区分不同面部区域对表情识别的贡献度, 对表情区域进行了不重叠分块; 引入了信息熵来衡量不同子块包含的不确定信息, 依据信息量定义相似性距离的权重; 通过分块相似度加权求和, 实现表情判别。在JAFFE库和CK库上的实验结果表明:当表情图像存在遮挡时, AR-WLD可以