استخراج ویژگی های مکان- فرکانسی جهت بازیابی تصویر چهره از پایگاه داده حجیم تصاویر

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 432

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-48-2_005

تاریخ نمایه سازی: 17 تیر 1398

چکیده مقاله:

در این مقاله، روشی نوین جهت استخراج ویژگی از تصاویر چهره ارائه شده است. هدف اصلی، بازیابی چهره از پایگاه داده حجیم است. با افزایش حجم پایگاه داده، تفکیک کردن چهره های مختلف با مشکل مواجه می شود. روش پیشنهادی با استخراج ویژگی های مناسب، فاصله بین چهره های افراد در فضای ویژگی را افزایش می دهد. این روش بر اساس عملکرد سامانه بینایی انسان است و به صورت ترتیبی از کل به جزء، ویژگی استخراج می کند. برای این منظور، از ویژگی های مکان- فرکانسی استفاده شده است. در این روش، با اعمال پنجره های هم مرکز با ابعاد مختلف روی تصویر چهره، محتوای هر پنجره به فضای فرکانسی منتقل می شود. تغییر مولفه های فرکانسی در پنجره های مختلف، فضای ویژگی تصویر را تشکیل می دهند. سپس، با استفاده از فیلتر مناسب، تنها مولفه های فرکانسی با قابلیت بالا در جداسازی بین تصاویر چهره افراد مختلف، حفظ می شوند. در نهایت، با استفاده از معیار فاصله ی اقلیدسی، تصویر نهایی از پایگاه داده بازیابی می شود. در این مقاله از پایگاه داده FERET استفاده شده است. نرخ بازشناسی در مقایسه با بهترین روش قبلی با ویژگی های مشابه روش پیشنهادی، در حجم مشابه، با 2% افزایش به 99% ارتقا پیدا کرده است. با افزایش حجم پایگاه داده به 990 چهره متمایز، نرخ بازشناسی 90.4% حاصل شده است.

نویسندگان

محمدمهدی بخشی

دانشگاه صنعتی شاهرود - دانشکده مهندسی کامپیوتر و فناوری اطلاعات

حمید حسن پور

دانشگاه صنعتی شاهرود - دانشکده مهندسی کامپیوتر و فناوری اطلاعات

منصور فاتح

دانشگاه صنعتی شاهرود - دانشکده مهندسی کامپیوتر و فناوری اطلاعات

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • شفیع پور یوردشاهی، سیدعربی و آقاگل زاده، بازشناسی چهره بر ... [مقاله ژورنالی]
  • صادقی، آیت اللهی و راعی، بازشناسی حالت چهره با استفاده ... [مقاله ژورنالی]
  • Stan Z. Li and Anil K.. Jain, , Handbook of ...
  • L. Lenc and P. Kral, Face Recognition under Real-world Conditions, ...
  • M. Turk and A. Pentland, Eigenfaces for recognition , Journal ...
  • T. Ahonen, A. Hadid and M. Pietikainen, Face recognition with ...
  • S. Liao, X. Zhu, Z. Lei, L. Zhang and Stan ...
  • D. H. Wang and P. Conilione, Machine learning approach for ...
  • M. J. Er, W. Chen and S. Wu, High-speed face ...
  • J. Luo, Y. Ma, E. Takikawa , S. Lao, M. ...
  • L. Lenc and P. Král , A combined SIFT/SURF descriptor ...
  • M. Zhou , H. Wei and S. Maybank, Gabor wavelets ...
  • H. Cho, R. Roberts, B. Jung, O. Choi  and S. ...
  • R. Varun, Y. VivekanandKini, K. Manikantan and S. Ramachandran, Face ...
  • T. M. Abhishree, J.  Latha, K.  Manikantan and S.  Ramachandran, ...
  • C. Ma, J. Y. Jung, S. W. Kim and J. ...
  • S. Wang and P.Liu, A new feature extraction method based ...
  • X. Xie and K. M. Lam,  Face recognition using elastic ...
  • Y. Gao, Y. Qi, Robust visual similarityretrieval in single model ...
  • J. Haddadnia, K. Faez and M. Ahmadi, A fuzzy hybrid ...
  • J. Lu, X. Yuan and T. Yahagi, A method of ...
  • P. Viola and M. Jones, Rapid object detection using a ...
  • K. K. Paliwal and L. D. Alsteris, On The usefulness ...
  • نمایش کامل مراجع