|
|
روش ریخت شناسی مقیاس خاکستری و بدون ناظر برای سنتز چهره انسان مبتنی بر تصویر نمونه
|
|
|
|
|
نویسنده
|
امیرفتحیان امیررضا ,ابراهیم نژاد حسین
|
منبع
|
سامانه هاي غيرخطي در مهندسي برق - 1398 - دوره : 6 - شماره : 1 - صفحه:66 -84
|
چکیده
|
تولید چهره انسان از تصویر نمونه به عنوان یکی از ملزومات کاربردهای بیومتریک با هدف شناسایی هویّت اشخاص مورد استفاده قرار می گیرد. در این مقاله، تولید چهره شامل سه مرحله اصلی است. در مرحله اول آشکارسازی خطوط معنادار و لبه های تصویر نمونه با روش غیرخطی مورفولوژی مقیاس خاکستری انجام می پذیرد. سپس نواحی مو از چهره نمونه، شناسایی می شود. مرحله نهایی ترکیب تصاویر حاصل از مراحل قبل را ارایه می کند. میزان شباهت و تطابق بین طرحِ چهره ساخته شده و طرحِ هنری، با دو روش استخراج ویژگی، واکاوی مولفه های اساسی و جداساز خطی، مقایسه شده و مدت زمان اجرای فرآیند محاسبه می شود. آزمایش ها روی جفت تصاویر پایگاه cuhk نشان می دهد که روش پیشنهادی در مقایسه با روش های پیشرفته هنری از جمله: تبدیلات ویژه، lle و mrf ، پیچیدگی محاسباتی ندارد و چهره فرد را با کیفیت خوب و در زمان خیلی کمتری ایجاد می کند. تطابق طرح چهره خلق شده با این روش، وقتی که از تحلیل جداساز خطی برای استخراج ویژگی استفاده شود، بیشترین مقدار و برابر با 90 درصد بدست می آید. همچنین روش پیشنهادی در برابر اثرات پس زمینه و شدت روشنایی تصاویر نمونه مقاوم می باشد.
|
کلیدواژه
|
سنتز چهره از تصویر نمونه، سنتز طرح چهره از عکس، نگاشت عکس چهره به طرح، ریخت شناسی مقیاس خاکستری، سنتز چهره انسان
|
آدرس
|
دانشگاه صنعتی سهند, دانشکده مهندسی برق, ایران, دانشگاه صنعتی سهند, دانشکده مهندسی برق, گروه مخابرات, ایران
|
پست الکترونیکی
|
ebrahimnezhad@sut.ac.ir
|
|
|
|
|
|
|
|
|
A Nonlinear Grayscale Morphological and Unsupervised method for Human Facial Synthesis Based on an Example Image
|
|
|
Authors
|
amirfathiyan Amirreza ,ebrahimnezhad hossein
|
Abstract
|
Human facial generation of example image is used as a requirement for biometric applications for the purpose of identifying individuals. In this paper, face generation consists of three main steps. In the first step, detection of significant lines and edges of the example image are carried out using nonlinear grayscale morphology. Then, hair areas are identified from the face of sample. The final step combines images from previous steps. Similarity and matching between synthesized face sketch and artistic sketch are compared with two methods of extracting features, Principle Component Analysis and Linear Discriminant Analysis, and time of the process is calculated. The experiments on the pair of CUHK database images show that the proposed method compared with state of the art methods such as: Eigen transformation, LLE, and MRF, has no computational complexity and creates a personchr('39')s face with good quality and much less time. Matching of synthesized face sketch of the proposed method is achieved with a maximum value of 90% when Linear Discriminant Analysis is used to extract feature. The proposed method is also resistant to background effects and brightness of example images.
|
Keywords
|
Face Sketch Synthesis ,Photo to Sketch Synthesis ,Photo to Sketch Mapping ,Morphological Edge-Detection ,Human Facial Synthesis
|
|
|
|
|
|
|
|
|
|
|