روش نوینی جهت تشخیص لب با استفاده از پاره خط ها و قطعه بندی کانتور

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 410

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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMPUTER02_054

تاریخ نمایه سازی: 2 تیر 1395

چکیده مقاله:

با توجه به رشد روزافزون کاربردهای بیومتریک در علوم مختلف، این مقاله دیدگاه بدیع و مؤثری جهت تعریف بیومتریک لب توسط CSC معرفی می نماید. روش های فعلی این مشکل را با استفاده از نرمالسازی توصیف گرها با جستجوی چند مقیاسی که شامل اسلاید بندی پنجره جستجو و مدل هرم فضایی است، نشان می دهند. با این حال، با استفاده از انواع دیگر توصیفگرهای مقیاس با ساختاری پیچیده در این پیش بینی ها، راندمان تشخیص کاهش می یابد. از اینرو، در این مقاله ویزگی نوینی با CSC ارائه داده ایم. این ویزگی بر اساس زاویه میان پاره خط های کانتور عمل می کند که به عنوان نوسانات مقیاس، بدون تغییر باقی خواهد ماند. مهمتر اینکه، این روش مقیاس لب واقع در تصویر را ارزیابی کرده و محلی سازی مرزلب درون تصویری که به علت های گوناگون از جمله تغییر شدت نور، قابل مشاهده نیست را نیز به طور همزمان تسهیل می سازد. در این روش، فقط نیاز به تمرکز روی الگوریتم تطبیق شکل داریم که باید بدون درنظر گرفتن تنوع مقیاس لب در یک تصویر به آن پرداخت. آزمایشات ما در سه مجموعه داده مختلف، RaFD, PIE, GPDS-ULPGC انجام گرفته است و نتایج نشان می دهد که دیدگاه ما در هر سه مجموعه داده به نتایج بالایی دست یافته است.

کلیدواژه ها:

بیومتریک لب ، پردازش تصویر ، تشخیص الگو ، زمینه ثابت سگمنت کانتور

نویسندگان

حمیدرضا غفاری

دانشکده مهندسی برق و رایانه، دانشگاه آزاد اسلامی واحد فردوس

بنان برومند

دانشجوی دانشکده مهندسی برق و رایانه، گروه هوش مصنوعی، دانشگاه آزاد اسلامی واحد فردوس- ارائه دهنده

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 :