دوره 16، شماره 1 - ( 3-1398 )                   جلد 16 شماره 1 صفحات 158-172 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

Imani M, Ghassemian H. Supervised Feature Extraction of Face Images for Improvement of Recognition Accuracy. JSDP. 2019; 16 (1) :158-172
URL: http://jsdp.rcisp.ac.ir/article-1-804-fa.html
ایمانی مریم، قاسمیان یزدی محمد‌حسن. استخراج ویژگی نظارت‌شده تصاویر چهره به‌منظور افزایش دقّت شناسایی. پردازش علائم و داده‌ها. 1398; 16 (1) :158-172

URL: http://jsdp.rcisp.ac.ir/article-1-804-fa.html


دانشگاه تربیت مدرس
چکیده:   (93 مشاهده)
استخراج ویژگی یک گام مهم برای پردازش و تحلیل داده‌های ابربٌعدی در مسائل شناسایی الگو است. تصاویر ابرطیفی اخذ‌شده از سنجنده‌های را ه دور و تصاویر چهره انسان از جمله داده‌های ابربعدی محسوب می‌شوند که با وجود تعداد نمونه آموزشی محدود، کاهش ویژگی یک گام پیش‌پردازش اساسی برای طبقه‌بندی این گونه داده‌ها محسوب می‌شود. در این مقاله، به بررسی و ارزیابی روش‌های نوین استخراج ویژگی‌ای می‌پردازیم که تا کنون برای داده چهره استفاده نشده و درهمین‌اواخر برای کاهش ابعاد تصاویر ابرطیفی سنجش از دور پیشنهاد شده‌اند. در این پژوهش، کارایی هفت روش نوین معرفی‌شده را برای داده ابرطیفی با چهار روش پرکاربرد استخراج ویژگی مورد ارزیابی و مقایسه قرار خواهیم داد.  نتایج آزمایش‌ها بر روی دو داده بانک Yale و ORL، برتری تعدادی از این روش‌های نوین را نسبت به روش‌های استخراج ویژگی LDA، NWFE، MMLDA و LPP نظارت‌شده، از نظر دقت شناسایی، نشان میدهند.
متن کامل [PDF 4143 kb]   (40 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش تصویر
دریافت: ۱۳۹۶/۱۱/۱۴ | پذیرش: ۱۳۹۷/۱۰/۱۹ | انتشار: ۱۳۹۸/۳/۲۰ | انتشار الکترونیک: ۱۳۹۸/۳/۲۰

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

ارسال پیام به نویسنده مسئول


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