ارزیابی و مقایسه چهار روش کاهش بعد ویژگیها برای تشخیص حالت چهره مبتنی برالگوهای باینری محلی

تشخیص حالت چهره، یک مسیله جالب و چالشبرانگیز است و در حوزه های مختلف، مانند تعامل انسان کامپیوتر و انیمیشن مبتنی بر داده، تاثیرگذار است. استخراج یک نمایش موثر چهره از تصاویر اصلی صورت، یک گام حیاتی برای تشخیص موفق حالت چهره است. در این مقاله، نمایش چهره بر اساس ویژگیهایمحلی آماری و الگوهای باینری محلی ، جهت تشخیص حالت چهره و مستقل از شخص، مورد استفاده قرارمیگیرد. آزمایشات وسیعی نشان میدهد که ویژگیهایLBP برای تشخیص حالت چهره، موثر و کاراست.روشهای کاهش بعد غیرخطی، در دهههای اخیر مورد توجه محافل علمی قرار گرفتهاند. با تمرکز محققانعلم کامپیوتر بر این مسیله، در چند سال اخیر مجموعهای از ابزارها به وجود آمدهاند که کاربردهای آنها در داده کاوی، پردازش تصویر، طبقه بندی، تحلیل و نمایاندن دادگان رو به افزایش است. در این میان یادگیری منیفلد ابزاری قدرتمند برای کاهش بعد غیرخطی دادگان است. یکی از کاربردهای موفق این روش ها در تحلیل تصاویر است. در این مقاله چگونگی بکارگیری چهار روش تبدیلی کاهش بعد ویژگیها برای تشخیص حالت چهره مورد بررسی قرار میگیرد. این چهار روش شامل تحلیل مولفههای اساسی، تحلیل الگوی متمایز خطی، الگوریتمIsoMapو نهایتا الگوریتمLLEمیباشد.

کلیدواژه ها:

تشخیص حالت چهره ، الگوی باینری محلی ، تحلیل مولفه اساسی ، تحلیل الگوی متمایزخطی ، .LLE ، IsoMap