人脸表情是人类情感的主载体之一,它含有丰富的人体行为信息。通过脸部表情能够表达人微妙的情绪反应以及对应的心理状态[1],人脸表情识别技术随着人们对表情信息的日益重视而受到关注,现已成为人们研究的热点。基于几何特征提取是一个快速、直接、有效的人脸表情识别方法,运用基于几何特征提取的方法进行表情识别时,首先要对图像进行边缘检测,确定嘴、眉毛、鼻子、眼睛等人脸表情显著特征的形状、位置、大小、距离等[2]。人脸表情边缘检测是这一系列工作的基础,因此,采用有效的边缘检测算法实现人脸表情边缘检测是至关重要的。1边缘检测综述边缘检测强调的是图像对比度(contrast)[3],利用物体和背景在某种图像特征上的差异来实现检测,这些差异包括灰度、颜色或纹理特征。因此,边缘检测的实质就是检测图像特征发生变化的位置。常用的微分边缘检测算法主要是基于图像强度的一阶和二阶导数,这种计算对噪声很敏感,噪声存在可能会使检测到的边缘变宽或在某些点处发生间断,因此需要采用滤波器滤除噪声。1.1中值滤波中值滤波是线性空间滤波的一种实现方式[5]。它是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术[6]。这种滤波器的优点是运算简单、速度快,在滤除叠加白噪声和长尾叠加噪声方面显示了极好的性能。同时在一定的条件下,可以克服线性滤波器所带来的图像细节模糊,而且对滤除脉冲干扰及图像扫描噪声极其有效。另外,中值滤波器很容易自适应化,从而可以进一步提高其滤波性能。因此,它非常适应于一些线性滤波器无法胜任的数字图像处理应用场合[7]。中值滤波器是把邻域中的像素按灰度级进行排序,然后选择该组中的中间值作为输出像素值的一种邻域运算[6]。具体步骤:1)将模板在图像中移动,并将模板中心与图像中某个像素的位置重合;2)读取模板各个对应像素的灰度值;3)将这些灰度值从小到大排成一列;4)找出这些值单排在中间的一个;5)将这个中间值赋给对应模板中心位置的像素。1.2算法分析常用的微分边缘检测算子分为一阶微分算子和二阶微分算子,一阶微分算子有Roherts算子、Sobel算子、Prewitt算子、Canny算子,二阶微分算子有Laplacian算子、Log算子,各种算子都是基于对图像导数分割原理进行的实例化计算,其中:Roberts算子边缘定位准,但是对噪声敏感,适用于边缘明显且噪声较少的图像分割;Sobel算子是一种离散型的差分算子,它用来运算图像亮度函数梯度的近似值,但是Sobel算子并没有将图像的主题与背景严格地区分开来;Prewitt算子对噪声有抑制作用,抑制噪声的原理是通过像素平均来实现;Canny算子是一个具有滤波,增强,检测的多阶段的优化算子,在进行处理前,先利用高斯平滑滤波器来平滑图像以ComputerKnowledgeandTechnology电脑知识与技术人工智能及识别技术本栏目责任编辑:唐一东第8卷第4期(2012年2月)除去噪声。Canny分割算法采用一阶偏导的有限差分来计算梯度幅值和方向,在处理过程中,Canny算子还将经过一个非极大值抑制的过程,最后Canny算子还采用两个阈值来连接边缘;Laplacian算子具有各向同性,即与坐标轴方向无关,坐标轴旋转后梯度结果不变,但是,其对噪声比较敏感;Log算子把Gauss平滑滤波器和Laplacian锐化滤波器结合了起来,先平滑掉噪声,再进行边缘检测[4]。根据实验对象的特征与各种边缘检测算子的特点,该实验采用Canny算子。它主要由三个目标形成[3]:1)无附加响应的最优检测。它通过最优平滑处理来减少噪声响应;2)检测边缘位置和