آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 696 |
| تعداد مقالات | 7,376 |
| تعداد مشاهده مقاله | 9,216,132 |
| تعداد دریافت فایل اصل مقاله | 8,549,479 |
استخراج ویژگی‌های مکان- فرکانسی جهت بازیابی تصویر چهره از پایگاه داده حجیم تصاویر | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقالات آماده انتشار، پذیرفته شده ، انتشار آنلاین از تاریخ 17 مهر 1397 اصل مقاله (1154 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
محمدمهدی بخشی؛ حمید حسن‌پور؛ منصور فاتح  
| ||
| دانشگاه صنعتی شاهرود - دانشکده مهندسی کامپیوتر و فناوری اطلاعات | ||
| چکیده | ||
| در این مقاله، روشی نوین جهت استخراج ویژگی از تصاویر چهره ارائه شده است. هدف اصلی، بازیابی چهره از پایگاه داده حجیم است. با افزایش حجم پایگاه داده، تفکیک کردن چهره‌های مختلف با مشکل مواجه می‌شود. روش پیشنهادی با استخراج ویژگی‌های مناسب، فاصله بین چهره‌های افراد در فضای ویژگی را افزایش می‌دهد. این روش بر اساس عملکرد سامانه بینایی انسان است و به صورت ترتیبی از کل به جزء، ویژگی استخراج می‌کند. برای این منظور، از ویژگی‌های مکان- فرکانسی استفاده شده است. در این روش، با اعمال پنجره‌های هم مرکز با ابعاد مختلف روی تصویر چهره، محتوای هر پنجره به فضای فرکانسی منتقل می‌شود. تغییر مؤلفه‌های فرکانسی در پنجره‌های مختلف، فضای ویژگی تصویر را تشکیل می‌دهند. سپس، با استفاده از فیلتر مناسب، تنها مولفه‌های فرکانسی با قابلیت بالا در جداسازی بین تصاویر چهره افراد مختلف، حفظ می‌شوند. در نهایت، با استفاده از معیار فاصله‌ی اقلیدسی، تصویر نهایی از پایگاه داده بازیابی می‌شود. در این مقاله از پایگاه داده FERET استفاده شده است. نرخ بازشناسی در مقایسه با بهترین روش قبلی با ویژگی‌های مشابه روش پیشنهادی، در حجم مشابه، با 2% افزایش به 99% ارتقا پیدا کرده است. با افزایش حجم پایگاه داده به 990 چهره متمایز، نرخ بازشناسی 90.4% حاصل شده است. | ||
| کلیدواژه‌ها | ||
| بازشناسی چهره؛ استخراج ویژگی؛ حوزه مکان- فرکانسی؛ پایگاه داده حجیم؛ انتخاب ویژگی | ||
| عنوان مقاله [English] | ||
| Spatial-Frequency Features Extracting for Facial Image Retrieval from a Big Image Database | ||
| نویسندگان [English] | ||
| M. M. Bakhshi؛ H. Hassanpour؛ M. Fateh | ||
| Faculty of Computer and IT Engineering, Shahrood University of Technology, Shahrood, Iran | ||
| چکیده [English] | ||
| In this paper, a new method is presented to feature extraction from facial images. The main purpose of this paper is probe image retrieval from a big database. By increasing the size of the database, the similarities between people increases and the separation capability decreases. The proposed method increases the distance between peoples in feature space by extracting appropriate features. This method is based on properties of the human vision system and sequentially extracts features in top-down manner. For this purpose, spatial- frequency features are used. In this method, by applying concentric windows in different size on the facial image, the content of each window are mapped to frequency space. The change of frequency components in different windows forms the feature space of image. Then frequency component with high separation capability between face images is remained by appropriate filter. In the end, the final image is retrieved from database by Euclidean distance criterion. In this paper the FERET database is used. Recognition rate compared with the best current method in similar size of database, with 2% improvement reached to 99%. By increasing database size to 990 classes, 90.4% of recognition rate is achieved. | ||
| کلیدواژه‌ها [English] | ||
| Face recognition, feature extraction, spatial-frequency domain, big database, feature selection | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 10 تعداد دریافت فایل اصل مقاله: 26 |
||
