بازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی

در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(lbp)  پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشم‌ها تنظیم می‌کنیم و سپس ناحیه‌ی چهره را در آن‌ها استخراج می‌کنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلول‌های کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه می‌کنیم و آن را به پیکسل مرکزی سلول اختصاص می‌دهیم. بنابراین برای هر موقعیت پیکسل یک بردار بدست می‌آید که نشان دهنده‌ی هیستوگرام گرادیان همسایگی اطراف آن است. سپس برای هر موقعیت پیکسل، 8 همسایه‌ی آن ‌را در شعاع r در نظر گرفته و هیستوگرام‌های اختصاص یافته به آن‌ها را با استفاده از روش lbp کدگذاری می‌کنیم تا تصویر کد بدست آید. در نهایت تصویر کد به چند ناحیه‌ی غیرهمپوشان تقسیم شده و در هر ناحیه یک هیستوگرام از مقادیر کدها محاسبه می‌شود. بردار ویژگی نهایی با کنار هم قرار دادن هیستوگرام‌های هر ناحیه بدست می‌آید. همچنین برای بهبود عملکرد سیستم، یک طرح فیدبک ارتباطی  مبتنی بر ماشین بردار پشتیبان (svm) معرفی می‌کنیم.آزمایش‌ها را بر روی پایگاه دادهی ar و در دو حالت بدون در نظر گرفتن تصاویر با مانع و با در نظر گرفتن تصاویر با مانع انجام میدهیم. نتایج آزمایشها نشان می‌دهد که سیستم پیشنهادی بطور موثری می‌تواند تصاویر چهره را بازیابی کند. همچنینروش پیشنهادی خود را با برخی از روش‌های موفق در توصیف چهره مقایسه کرده‌ایم. معیار دقت متوسط میانگین (map)  برای روش پیشنهادی در حالت‌های اول و دوم آزمایش به ترتیب 94.40% و 68.12% بدست می‌آید که در مقایسه با بهترین نرخ روش‌های مقایسه شده پیشین یعنی  90.37% و 61.99% بهبود قابل توجهی دارد

Face Retrieval using Combination of Gradient Histogram and Local Binary Pattern

Face retrieval is an important research topic in image processing and aims finding face images similar to a query image. In this paper, a novel method is proposed to retrieve face images using gradient histogram and local binary pattern (LBP). The combination of these two techniques will increase the robustness against face variations and thus improve system performance in face retrieval. In order to increase system ability, a relevance feedback scheme based on support vector machine (SVM) is proposed. The Experiments have been conducted on the AR face database in two modes: without occluded images and with occluded images. Experimental results show that the proposed method can retrieve face images effectively. In the next, the proposed method is compared with several successful methods in face researches. Mean average precision (MAP) metric for the proposed method in two experimental modes is equal to 94.40% and 68.12% , while the best results for compared methods is 90.37% and 61.99%, respectively. The results show that the proposed method is superior to these methods and is a good method to retrieve the face images.