شناسایی حالت چهره با استفاده از نرمالیزاسیون هندسی و تبدیل موجک مختلط dualtree

در سال های اخیر شناسایی حالت چهره به دلیل کاربردهای فراوان موردتوجه زیادی در تحقیقات بینایی ماشین قرار گرفته است. به دلیل تنوع و تغییرپذیری حالت ها، شناسایی حالت چهره با دقت بالا هنوز هم به‌عنوان یک مسئله چالش‌برانگیز مطرح است. در این مقاله روش نوینی ارائه می شود که هم‌زمان با حذف تنوع هندسی در چهره، از استخراج ویژگی های دقیق بهره می برد. برای این کار از مدل هندسی میانگین برای نرمالیزاسیون و حذف تنوع هندسی تصاویر چهره و در مرحله بعد از تبدیل موجک مختلط dualtree برای استخراج ویژگی های ظاهری استفاده شده است. این تبدیل موجک یک تبدیل جهت دار با قابلیت تشخیص لبه ها 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 تک تک از این روش ها بیش از 5% افزایش می دهد؛ به‌طوری‌که با این روش، نرخ شناسایی هفت حالت چهره بر روی پایگاه داده ck+ برابر با 78/93% است، که در برابر معتبرترین منابع تحقیقاتی اخیر در این پایگاه داده دقت قابل‌توجهی است.