مرضیه تفرشی - دانش کارشناسی ارشد در رشته تفرشی
علی محمد فتوحی - استادیار دانشکده مهندسی برق - دانشگاه تفرشی

در این مقاله الگوریتم جدیدی مبتنی برهیستوگرام الگوی باینری محلی LBPH) دایره ای و طبقه‌بندی کننده SVM برای تعیین موقعیت دقیق چشم در چشم نهاد می‌شود. در روش پیشنهادی از یک مرحله پیش پردازش سریع و دقیق مبتنی بر ویژگی‌ها برای تعیین ناحیه چشم و نگاشت رنگ و روشنایی برای استخراج نواحی کاندیدای چشم استفاده می‌شود. بنابراین LBPH دایره دفتر و من کننده تنها برای انتخاب نهایی از بین کاندیداهای چشم به کار می‌رود که سبب افزایش سرعت قابل ملاحظه و همچنین بدعت الگوریتم نسبت به حال استفاده از LBPH دایره‌ای و طبقه‌بندی کننده بر روی کل تصویر می‌شود. از سایر مزایای الگوریتم پیشنهادی مقام بودن آن در برابر نویز و بنابراین بدعت بالای آن به دلیل استفاده از ایده میانگین پیکسل ها برای آستانه گذاری LBP دایره است. به دلیل استفاده از چشم نیمه‌باز و بسته علاوه‌بر حالت باز، در آموزش طبقه‌بندی کننده، در برخی موارد ابروها نیز در خروجی ظاهر می‌شوند که با یک رابطه هندسی ساده پیشنهادی حذف شده‌اند. بنابراین روش ارائه شده برخلاف بسیاری از الگوریتم های پیشنهادی قادر به تشخیص چشم با دقت بالا در حالت‌های مختلف می‌باشد. بررسی نتایج تجربی بر روی تصاویر استاندارد پایگاه داده FERET نشاند الگوریتم پیشنهادی، ضمن ساعت اجرای بالا برد 98.4% موارد ناحیه چشم را به درستی تشخیص می‌دهد و بنابراین در مقایسه با الگوریتم های مشابه عملکرد مطلوبی دارد.

تعیین مکان چشم، الگوی باینری محلی دایره‌ای، طبقه‌بندی کننده SVM