ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی

سال انتشار: 1392
کد COI مقاله: JR_JMVIP-1-1_006
زبان مقاله: فارسیمشاهد این مقاله: 24
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی

محمد قاصری - دانشگاه صنعتی سهند، دانشکده مهندسی برق
حسین ابراهیم نژاد - دانشگاه صنعتی سهند، دانشکده مهندسی برق

چکیده مقاله:

در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(LBP)  پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشم‌ها تنظیم می‌کنیم و سپس ناحیه‌ی چهره را در آن‌ها استخراج می‌کنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلول‌های کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه می‌کنیم و آن را به پیکسل مرکزی سلول اختصاص می‌دهیم. بنابراین برای هر موقعیت پیکسل یک بردار بدست می‌آید که نشان دهنده‌ی هیستوگرام گرادیان همسایگی اطراف آن است. سپس برای هر موقعیت پیکسل، 8 همسایه‌ی آن ‌را در شعاع R در نظر گرفته و هیستوگرام‌های اختصاص یافته به آن‌ها را با استفاده از روش LBP کدگذاری می‌کنیم تا تصویر کد بدست آید. در نهایت تصویر کد به چند ناحیه‌ی غیرهمپوشان تقسیم شده و در هر ناحیه یک هیستوگرام از مقادیر کدها محاسبه می‌شود. بردار ویژگی نهایی با کنار هم قرار دادن هیستوگرام‌های هر ناحیه بدست می‌آید. همچنین برای بهبود عملکرد سیستم، یک طرح فیدبک ارتباطی  مبتنی بر ماشین بردار پشتیبان (SVM) معرفی می‌کنیم.آزمایش‌ها را بر روی پایگاه دادهی AR و در دو حالت بدون در نظر گرفتن تصاویر با مانع و با در نظر گرفتن تصاویر با مانع انجام میدهیم. نتایج آزمایشها نشان می‌دهد که سیستم پیشنهادی بطور مؤثری می‌تواند تصاویر چهره را بازیابی کند. همچنینروش پیشنهادی خود را با برخی از روش‌های موفق در توصیف چهره مقایسه کرده‌ایم. معیار دقت متوسط میانگین (MAP)  برای روش پیشنهادی در حالت‌های اول و دوم آزمایش به ترتیب 40/94% و 12/68% بدست می‌آید که در مقایسه با بهترین نرخ روش‌های مقایسه شده پیشین یعنی  37/90% و 91/66% بهبود قابل توجهی دارد

کلیدواژه ها:

الگوی باینری محلی, بازیابی چهره, فیدبک ارتباطی, ماشین بردار پشتیبان, هیستوگرام گرادیان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1183066/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قاصری، محمد و ابراهیم نژاد، حسین،1392،بازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی،،،،،https://civilica.com/doc/1183066

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، قاصری، محمد؛ حسین ابراهیم نژاد)
برای بار دوم به بعد: (1392، قاصری؛ ابراهیم نژاد)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 3,764
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی