بازشناسی چهره با استفاده از آنالیز تفکیک خطی بر پایه موجک‌های هار و گابور و ماشین بردار پشتیبان

نویسندگان

1 دانشگاه تبریز - دانشکده علوم ریاضی

2 دانشگاه تبریز - دانشکده مهندسی برق و کامپیوتر

3 دانشگاه صنعتی شریف تهران - دانشکده ریاضی

چکیده

در این مقاله، پس از انجام مطالعه‌ای در مباحث الکترونیک، پردازش تصویر، بینایی ماشین، بازشناسی چهره، فیلترینگ، تبدیل موجک، آنالیز تفکیک خطی و ماشین بردار پشتیبان، روش جدیدی برای بازشناسی چهره، معرفی و پیشنهاد شده است. روند کلی این روش به‌صورت زیر است: ابتدا تعدادی تصویر از چهره اشخاص، که در این مقاله از پایگاه داده‌های FERET برگرفته شده است؛ به‌عنوان بانک اطلاعاتی برای بازشناسی چهره، وارد سیستم می‌گردد. سپس، از تبدیل گابور برای استخراج ویژگی‌های تصاویر استفاده می‌شود. به‌دلیل حجم زیاد داده‌های به‌دست‌آمده، ابتدا فرآیند فشرده‌سازی آن‌ها بر پایه تبدیل موجک به روی تصاویر به‌دست‌آمده انجام گرفته و سپس، با استفاده از آنالیز تفکیک خطی نسبت به جداسازی آن‌ها اقدام می‌شود. در نهایت، با استفاده از ماشین‌های بردار پشتیبان، کلاسه‌بندی و بازشناسی تصاویر حاصله انجام می‌گیرد. نتایج حاصل از شبیه‌سازی‌ها، مبین تأثیرات مثبت روش پیشنهادی در حفظ ویژگی‌های تصاویر در بازشناسی آن‌ها و دقت بالای این روش در مقایسه با شیوه‌های مشابه می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Gabor and Haar Wavelets Mixed Usage in Face Recognition Based on Direct Linear Discriminant Analysis and Support Vector Machine

نویسندگان [English]

  • S. Irandoust-pakchin 1
  • S. Meshgini 2
  • S. Nasirzadeh 3
1 Faculty of Mathematical Sciences, University of Tabriz, Tabriz, Iran
2 Faculty of Electrical and Computer Engineering, University of Tabriz, Tabriz, Iran
3 Faculty of Mathematical Sciences, Sharif University of Technology, Tehran, Iran
چکیده [English]

In this paper, beside studying in fields of electronic, image processing, computer vision, face recognition, filtering, wavelet transform, linear discriminant analysis and support vector machine, a new method for face recognition has been proposed. First, feature vectors are obtained from raw face images using Gabor wavelets. Next, the extracted feature vectors are mapped to a low dimensional subspace using Haar wavelets. Then, direct linear discriminant analysis technique is used for more compressing and splitting data obtained from the previous part. Finally, these obtained data are sent to support vector machine classifier for classification and then recognition of new images. The proposed method was examined using the FERET database. Experimental results illustrate effectiveness of this method against other related works in terms of recognition rate.

کلیدواژه‌ها [English]

  • Face recognition
  • feature extraction
  • Haar wavelet
  • Gabor wavelet
  • Support Vector Machine