شناسایی چهره با استفاده از الگوهای جهت ها و اندازه ها

توصیفگرهای ویژگی محلی عملکرد خوبی درشناسایی تصویر دارند. ازجمله توصیف گرهای محلی پایهمیتوان به الگوی باینری محلی (LBP) و گابور اشاره کردکه توصیفگرهای زیادی بر مبنای آنها شکل گرفته اند. درسیر تحول توصیف گرهای بافت، روش های زیادی ارایه شده-اند. برای نمونه هیستوگرام گرادیان جهت دار (HOG) که باگرفتن گرادیان از تصویر، زمان محاسباتی را نسبت به گابوربسیار کاهش میدهد، همچنین با ترکیب LBP و HOG ،توصیفگری قوی بنام الگوهای اندازه های لبه جهت دار(POEM) معرفی شده است که توانایی خوبی در شناساییچهره دارد. نسخه بهبودیافته POEM که الگوهای جهت-های غالب (PDO) نامیده می شود، رابطه بین جهت هایغالب را در یک ناحیه محلی بررسی می کند. ازآنجاییکهPOEM و PDO مکمل های خوبی برای یکدیگرند، روشپیشنهادی با ترکیب بهبودیافته این دو ارایه شده است.الگوریتم POEM با جایگزین کردن الگوی باینری محلی نرم(SLBP) به جای LBP و تقسیم بندی متفاوت تصویر برایتشکیل هیستوگرام و PDO تنها با تقسیم بندی متفاوتتصویر، بهبود داده شده اند، سپس با ترکیب آنها، روشپیشنهادی بانام الگوهای جهت ها و اندازه ها (POM)ارایه شده است. نتایج ارزیابی پایگاه های داده ORL وFERET توانایی الگوریتم پیشنهادی را در شناسایی چهرهمقابل سایر روش ها به خوبی نشان می دهد.

کلیدواژه ها:

یومتریک ، توصیفگر بافت ، توصیفگر ویژگی ، شناسایی چهره ، ویژگی های محلی