دوره 8، شماره 1 - ( 6-1390 )                   جلد 8 شماره 1 صفحات 66-55 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Region-based Quality Improvement of Facial Images with Strong Shadows to Enhance Recognition. JSDP 2011; 8 (1) :55-66
URL: http://jsdp.rcisp.ac.ir/article-1-712-fa.html
نادری شقایق، مقدم چرکری نصرالله، اله کبیر احسان. بهبود محلی کیفیت تصاویر چهره با سایه شدید به منظور ارتقاء شناسایی. پردازش علائم و داده‌ها. 1390; 8 (1) :55-66

URL: http://jsdp.rcisp.ac.ir/article-1-712-fa.html


چکیده:   (3731 مشاهده)

تغییر شرایط نوری، به خصوص تآثیر نورپردازی‌های جانبی در تصاویر چهره، یک مانع اصلی در سیستمهای شناسایی چهره محسوب می‌شود. روشهای مختلفی برای حل این مسأله پیشنهاد شده اند که با مدلسازی تغییرات نور و یا استخراج ویژگیهای پایای تصویر به شناسایی چهره می پردازند. بسیاری از این روشها به دانش قبلی درباره منبع نور، زاویه نورپردازی و تشخیص ناحیه سایه نیاز دارند. در این مقاله روش جدیدی مبتنی بر تبدیل h-minima برای ناحیه‌بندی تصویر و اصلاح نورپردازی در تصاویر چهره ارائه می‌شود. روش پیشنهادی طی چند مرحله به استخراج و اصلاح الگوی سایه می‌پردازد و در نهایت با استفاده از معیار مبتنی بر گرادیان، بهترین الگوی سایه را برای تصویر مشخص می‌کند. سپس، الگوی سایه پیشنهادی برای بهبود روش Retinex (که با تفاضل الگوی روشنایی از تصویر اصلی در دامنه لگاریتمی، مؤلفه انعکاس را به عنوان ویژگی پایا از تصویر استخراج می کند) استفاده می‌شود. نتایج بدست آمده روی پایگاه های تصویری Yale B و Extended YaleB نشان می‌دهد که روش پیشنهادی دقت شناسایی در روش Retinex را به نحو مطلوبی افزایش داده و نتایج مؤثری را در اصلاح نورپردازی تصاویر چهره حتی در سایه‌های شدید ارائه می‌دهد.

متن کامل [PDF 4005 kb]   (872 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش گفتار
دریافت: 1390/6/31 | پذیرش: 1396/11/30 | انتشار: 1396/11/30 | انتشار الکترونیک: 1396/11/30

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.