<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>رئیس دانشکده مهندسی برق و کامپیوتر</PublisherName>
				<JournalTitle>مجله مهندسی برق دانشگاه تبریز</JournalTitle>
				<Issn>2008-7799</Issn>
				<Volume>45</Volume>
				<Issue>3</Issue>
				<PubDate PubStatus="epublish">
					<Year>2015</Year>
					<Month>11</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle></ArticleTitle>
<VernacularTitle>شناسایی حالت چهره با استفاده از نرمالیزاسیون هندسی و تبدیل موجک مختلط Dual-Tree</VernacularTitle>
			<FirstPage>79</FirstPage>
			<LastPage>87</LastPage>
			<ELocationID EIdType="pii">2977</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حمید</FirstName>
					<LastName>صادقی</LastName>
<Affiliation>دانشجوی دکترای دانشکده مهندسی برق - دانشگاه صنعتی امیرکبیر</Affiliation>

</Author>
<Author>
					<FirstName>فضائل</FirstName>
					<LastName>آیت‌اللّهی</LastName>
<Affiliation>دانش‌آموخته کارشناسی ارشد دانشکده مهندسی برق - دانشگاه صنعتی امیرکبیر</Affiliation>

</Author>
<Author>
					<FirstName>ابوالقاسم</FirstName>
					<LastName>اسدالله راعی</LastName>
<Affiliation>دانشیار دانشکده مهندسی برق - دانشگاه صنعتی امیرکبیر</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2014</Year>
					<Month>03</Month>
					<Day>18</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">&lt;span lang=&quot;FA&quot;&gt;چکیده:&lt;/span&gt;&lt;span lang=&quot;FA&quot;&gt; در سال­های اخیر شناسایی حالت چهره به دلیل کاربردهای فراوان موردتوجه زیادی در تحقیقات بینایی ماشین قرار گرفته است. به دلیل تنوع و تغییرپذیری حالت­ها، شناسایی حالت چهره با دقت بالا هنوز هم به‌عنوان یک مسئله چالش‌برانگیز مطرح است. در این مقاله روش نوینی ارائه می­شود که هم‌زمان با حذف تنوع هندسی در چهره، از استخراج ویژگی­های دقیق بهره می­برد. برای این کار از مدل هندسی میانگین برای نرمالیزاسیون و حذف تنوع هندسی تصاویر چهره و در مرحله بعد از تبدیل موجک مختلط &lt;/span&gt;&lt;span dir=&quot;LTR&quot;&gt;Dual-Tree&lt;/span&gt;&lt;span lang=&quot;FA&quot;&gt; برای استخراج ویژگی­های ظاهری استفاده شده است. این تبدیل موجک یک تبدیل جهت­دار با قابلیت تشخیص لبه­ها در زوایای مختلف و دارای خاصیت تغییرناپذیری نسبی در برابر جابجایی است. این نوآوری، یعنی استفاده هم‌زمان از نرمالیزاسیون هندسی و تبدیل موجک مذکور، دقت الگوریتم را در برابر استفاده تک­تک از این روش­ها بیش از 5% افزایش می­دهد؛ به‌طوری‌که با این روش، نرخ شناسایی هفت حالت چهره بر روی پایگاه داده &lt;/span&gt;&lt;span dir=&quot;LTR&quot;&gt;CK+&lt;/span&gt;&lt;span lang=&quot;FA&quot;&gt; برابر با 78/93% است، که در برابر معتبرترین منابع تحقیقاتی اخیر در این پایگاه داده دقت قابل‌توجهی است.&lt;/span&gt;</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">واژه‏ های کلیدی: شناسایی حالت چهره</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تبدیل موجک مختلط Dual-Tree</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نرمالیزاسیون هندسی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">شکل میانگین</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://tjee.tabrizu.ac.ir/article_2977_2676b8101590273a8c72fb1a06ce4c18.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
