|
|
|
|
انتخاب زیرمجموعه بهینه از ویژگی‌های استخراج‌شده توسط عملگر بهینه‌شده Lbp بر مبنای Cla-Ec در سیستم بازشناسی چهره
|
|
|
|
|
|
|
|
نویسنده
|
حضرتی بی‌شک اختر ,فائز کریم ,برقی جند حسین ,قطعی سجاد
|
|
منبع
|
مهندسي برق و مهندسي كامپيوتر ايران - 1393 - دوره : 12 - شماره : 1 - صفحه:67 -74
|
|
|
|
|
چکیده
|
ما در این مقاله روش کارامد جدیدی را مبتنی بر توصیفگر الگوی باینری محلی برای بازشناسی چهره معرفی کردیم. چون محاسبات داخل الگوی باینری محلی بین مقادیر دو پیکسل انجام می‌شود، حتی تغییرات کوچک در الگوی باینری عملکرد آن را تحت تاثیر قرار می‌دهد. در این مقاله یک روش جدید بازشناسی چهره برای انتخاب الگوهای باینری میانگین محلی (labp) بر مبنای آتاماتای یادگیر سلولی مبتنی بر محاسبات تکاملی ارائه شده است. در روش پیشنهادی، ابتدا الگوهای باینری یکنواخت محلی توسط labp از تصاویر چهره استخراج می‌شود. در labp جهت به دست آوردن نمایش ویژگی مقاوم‌تر، نقاط نمونه زیادی مورد استفاده قرار گرفته است، سپس بهترین زیرمجموعه از این الگوها بدون داشتن اطلاعات اولیه از آنها توسط روش claec پیدا شده و از آنها هیستوگرام گرفته می‌شود و در نهایت از ماشین بردار پشتیبان برای طبقه‌بندی استفاده می‌شود. نتیجه به دست آمده از شبیه‌سازی سیستم‌های بازشناسی چهره روی مجموعه داده feret، برتری الگوریتم پیشنهادی را نسبت به الگوریتم‌های دیگر نشان داد.
|
|
کلیدواژه
|
آتاماتای یادگیر سلولی، الگوی باینری محلی، ماشین بردار پشتیبان، محاسبات تکاملی
|
|
آدرس
|
دانشگاه آزاد اسلامی واحد اهر, گروه کامپیوتر, ایران, دانشگاه صنعتی امیرکبیر, دانشکده مهندسی برق, ایران, دانشگاه آزاد اسلامی واحد اهر, گروه کامپیوتر, ایران, دانشگاه پیام نور تبریز, گروه مهندسی کامپیوتر, ایران
|
|
پست الکترونیکی
|
s.ghatei@pnu.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Select the Optimal Subset of LABP Features Based on CLAEC Method in Face Recognition System
|
|
|
|
|
Authors
|
Hazrati Bishak A. ,Barghi Jond H. ,Faez K. ,Ghatei S.
|
|
Abstract
|
In this paper, we present a new efficient method based on local binary pattern descriptor, for face recognition. Because, the calculations in Local binary pattern are done between two pixels values, so, small changes in the binary pattern affect its performance. In this paper, a new local average binary pattern descriptor is presented based on cellular learning automata and evolutionary computation (CLAEC). In the proposed method, first, the LABP operator are used to extract uniform local binary patterns from face images; it should be noted that, in LABP operator to obtain more robust feature representation, many sample points has been used. Then, the best subset of patterns found by CLAEC methods, and the histogram of these patterns is obtained. Finally, support vector machine is used for classification. The results of experiment on FERET data base show the advantage of the proposed algorithm compared to other algorithms.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|