شناسایی چهره مبتنی بر ترکیب توصیفگرهای ویژگی الگوی باینری محلی، هیستوگرام گرادیان جهت دار و تبدیل موجک

تشخیص چهره یکی از مسائل مهم در حوزه پردازش تصویر و بینایی ماشین بهشمار میرود و روش های مختلفی برای آن پیشنهاد شده است. یکی از روش های کارآمد در این حوزه، ترکیب توصیفگرهای ویژگی به منظور دستیابی به بردار ویژگی می باشد که مقاوم در برابر عواملی همچون نویز، دوران، انسداد و غیره می باشد. روش پیشنهادی در این مقاله مبتنی بر ترکیب توصیفگرهای ویژگی می باشد که عبارتند از: توصیف گر هیستوگرامگرادیان جهتدار، الگوی باینری محلی و تبدیل موجک. بر روی هر تصویر این سه توصیفگر اعمال میشوند و بردار ویژگی واحدی برای هر تصویر بیان می کنند. پس از مر حله استخراج ویژگی، نیاز به یک دسته بند قدرتمند برای تفکیک تصاویر چهره از غیر چهره می باشد. دسته بند مورد استفاده در روش پیشنهادی، ماشین بردار پشتیبان می باشد. برای ارزیابی روش پیشنهادی از دو پایگاه داده ORL و faces96 استفاده شده است که به ترتیب به دقت 95/85 و 93/31 برای این دو پایگاه داده دست یافته شده است. نتایج بیانگر کارآیی روش پیشنهادی در مسئله تشخیص چهره می باشد.

کلیدواژه ها:

تشخیص چهره ، دسته بند ، هیستوگرام گرادیان جهتدار ، الگوی باینری محلی ، تبدیل موجک ، ماشین بردار پشتیبان