33、遥感图像挖掘：面部表情与夜间灯光亮度的应用

遥感图像挖掘：面部表情与夜间灯光亮度的应用

1. 面部表情图像挖掘

1.1 等势线与面部数据场

当具有相同电位值的点排列在一起时，就形成了等势线。所有等势线描绘了物体之间有趣的拓扑关系，直观地展示了物体的相互作用特征。例如，面部图像可以通过网格划分，然后在二维和三维空间中展示其数据场的等势线。

1.2 特征脸空间中的面部表情识别

在特征脸空间中进行人类面部表情识别，主要步骤如下：
1. 图像标准化 ：将原始面部图像进行归一化处理，以获得标准化的 32×32 像素面部图像。具体操作包括基于左右眼中心对图像进行旋转、裁剪和缩放，并使用椭圆掩码消除头发和背景的影响。
2. 特征提取 ：对标准面部图像进行灰度变换，使用数据场特征提取方法提取每个面部图像的重要特征点，形成简化的人脸图像。
3. 构建特征脸空间 ：简化偏差矩阵，构建公共特征脸空间，将简化的人脸图像投影到该空间，投影系数作为人脸图像的逻辑特征。
4. 聚类识别 ：根据逻辑特征，在新特征空间中创建二阶数据场，通过数据与自组织聚合的相互作用实现人脸图像的聚类识别。其计算公式为：
[
\Phi(X_i) = \sum_{i = 1}^{I} \phi(x_i) = \sum_{i = 1}^{I} \sum_{p = 1}^{P} \sum_{q = 1}^{Q} g_{ipq} \times e^{-\frac{||x_i, x_{ipq}||^2}{2\sigma^2}}
]