کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7276579 1473570 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Low-level image properties in facial expressions
ترجمه فارسی عنوان
خصوصیات تصویر پایین در عبارات چهره
کلمات کلیدی
حالت چهره، پایگاه داده های چهره، پردازش احساسات، خواص تصویر فرکانس های فضایی،
ترجمه چکیده
ما خواص تصویری سطح پایین عکس ها را بررسی کردیم و تحلیل کردیم که آیا آنها با عبارات احساسی متفاوت نمایش داده شده توسط فرد تغییر می کنند. تفاوت در خواص تصویر در سه پایگاه داده اندازه گیری شد که در مجموع 167 نفر را نشان دادند. تصاویر صورت در فرم اصلی آنها، برش داده شده به فرمت استاندارد یا با یک ماسک پوشیده شده بود. خواص تصویری: روشنایی، قرمزی، زردی، کنتراست، شیب طیفی، قدرت کلی و قدرت نسبی در فرکانس های کم، متوسط ​​و بلند. نتایج نشان داد که خواص تصویر به طور قابل توجهی بین عبارات در هر مجموعه تصویر فرد متفاوت است. علاوه بر این، اصطلاحات خاصی در رابطه با الگوهایی از خواص تصویر که در تمام سه پایگاه داده سازگار بودند. به منظور آزمایش اعتبار یافته های ما، ما هیستوگرام های روشنایی و دامنه های طیفی سه تصویر را از یک فرد خاص که دو علامت را نشان داد، برابر کردیم. شرکت کنندگان در تطبیق بیان در مقادیر نسبت به یک تصویر سه بعدی به طور قابل توجهی کندتر بودند. بنابراین، تفاوت های موجود در این خواص تصویر (به عنوان مثال، شیب طیفی، روشنایی و یا کنتراست) تشخیص احساسات در مجموعه های خاص از تصاویر چهره را آسان می کند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علم عصب شناسی علوم اعصاب شناختی
چکیده انگلیسی
We studied low-level image properties of face photographs and analyzed whether they change with different emotional expressions displayed by an individual. Differences in image properties were measured in three databases that depicted a total of 167 individuals. Face images were used either in their original form, cut to a standard format or superimposed with a mask. Image properties analyzed were: brightness, redness, yellowness, contrast, spectral slope, overall power and relative power in low, medium and high spatial frequencies. Results showed that image properties differed significantly between expressions within each individual image set. Further, specific facial expressions corresponded to patterns of image properties that were consistent across all three databases. In order to experimentally validate our findings, we equalized the luminance histograms and spectral slopes of three images from a given individual who showed two expressions. Participants were significantly slower in matching the expression in an equalized compared to an original image triad. Thus, existing differences in these image properties (i.e., spectral slope, brightness or contrast) facilitate emotion detection in particular sets of face images.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Acta Psychologica - Volume 188, July 2018, Pages 74-83
نویسندگان
, , ,