Curvelet and waveatom transforms based feature extraction for face detection

تاريخ النشر

2011-01-31

دولة النشر

فلسطين (قطاع غزة)

عدد الصفحات

التخصصات الرئيسية

الرياضيات

الموضوعات

الإلكترونيات الرقمية

الملخص AR

هذا البحث يدرس تقنيتين حديثتين لاستخراج ميزات الوجه استنادا إلى نوعين من أدوات التحليل المتعدد - الحلول، الأول يسمى تحويل المنحنى - المصغر و الثاني هو تحويل موجة - الذرة.

و قد تم تمرين و اختبار الميزات الناتجة باستعمال اثنين من أشهر المصنفات، الأول هو الشبكة العصبية الاصطناعية (ANN), أما الثاني فهو نموذج ماركوف الخفي (HMM). و قد أجريت التجارب على اثنتين من قواعد البيانات المعروفة، الأولى مجموعة البيانات AT & T و تتألف من للوجوه المتجهمة و تتألف من 400 صورة لأربعين شخص مختلف, و الثانية مجموعة البيانات Essex Grimace للوجوه المتهجمة و تتألف من 360 صورة لحوالي 18 شخص مختلف.

و قد أظهرت النتائج قوة و ميزات كل من تحويل المنحنى المصغر و تحويل موجة الذرة.

حيث أعطت المميزات المستخرجة باستخدام و تحويل موجة الذرة أعلى معدل دقة تمييز للوجوه، حيث بلغ حوالي 94% و 96% لكلتي مجموعتي البيانات المستخدمة على التوالي و باستعمال نموذج ماركوف الخفي كمصنف، في حين بلغت دقة التمييز حوالي 90% و 93% باستخدام الشبكات العصبية الاصطناعية لنفس مجموعتي البيانات على التوالي.

في المقابل، حققت المميزات المستخرجة باستخدام مستويين من تحويل المنحنى - المصغر معدل دقة تمييز 92% و 95% لصالح مصنف نموذج ماركوف الخفي، و 88% و 92% لمصنف الشبكات العصبية الاصطناعية, لمجموعتي البيانات AT & T و Essex Grimace على التوالي. كما تم عمل دراسة مقارنة لتحويل موجة الذرة وتحويل المنحنى المصغر مع كل من تحويل المويجة و طريقة تحليل المكونات الأساسية التقليدية (PCA), اللذين تم استخدامهما في الكثير من أبحاث التعرف على الوجه.

و قد لوحظ ارتفاع معدل دقة التمييز للتقنيات المقترحة في هذه الدراسة.

مما يؤكد قوة أساليب استخراج المميزات المقترحة ضد التباين الشديد في التعبير و الإضاءة و تفاصيل الوجه المختلفة.

أيضا تشير النتائج إلى قدرة نموذج ماركوف الخفي مقابل الشبكات العصبية الاصطناعية كمصنفات.

الملخص EN

This work identifies two novel techniques for Face Features Extraction based on two different multiresolution analysis tools; the first called Curvelet transform while the second is Waveatom Transform.

The resultant features are trained and tested via two famous classifiers; one of them is the Artificial Neural Network (ANN) and the other is Hidden Markov Model (HMM).

Experiments are carried out on two well-known datasets; AT&T dataset consists of 400 images corresponding to 40 people, and Essex Grimace dataset consists of 360 images corresponding to 18 people.

Experimental results show the strength of both Curvelets and Waveatom features.

In one hand, Waveatom features obtained the highest accuracy rate of 94% and 96% with HMM classifier, and 90% and 93% with ANN classifier, for AT&T and Essex Grimace datasets, respectively.

In the other hand, two levels Curvelet features achieved accuracy rate of 92% and 95% with HMM classifier, and 88% and 92% with ANN classifier, for AT&T and Essex Grimace datasets, respectively.

A comparative study for waveatom with wavelet-based, curveletbased, and traditional Principal Component Analysis (PCA) techniques is also presented.

The proposal techniques supersede all of them.

And proves the robustness of feature extraction methods used against extreme variation on expression and illumination, and different facial details.

Also, indicates the potential of HMM over ANN, as they are classifiers.

نمط استشهاد جمعية علماء النفس الأمريكية (APA)

al-Hanjuri, Muhammad. 2011. Curvelet and waveatom transforms based feature extraction for face detection. Journal of al-Aqsa University : Series of Natural Sciences،Vol. 15, no. 1, pp.41-66.
https://search.emarefa.net/detail/BIM-328122

نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)

al-Hanjuri, Muhammad. Curvelet and waveatom transforms based feature extraction for face detection. Journal of al-Aqsa University : Series of Natural Sciences Vol. 15, no. 1 (Jan. 2011), pp.41-66.
https://search.emarefa.net/detail/BIM-328122

نمط استشهاد الجمعية الطبية الأمريكية (AMA)

al-Hanjuri, Muhammad. Curvelet and waveatom transforms based feature extraction for face detection. Journal of al-Aqsa University : Series of Natural Sciences. 2011. Vol. 15, no. 1, pp.41-66.
https://search.emarefa.net/detail/BIM-328122

نوع البيانات

مقالات

لغة النص

الإنجليزية

الملاحظات

Includes bibliographical references : p. 64-66

رقم السجل

BIM-328122

حفظتم الحفظ طباعة

قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"

أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي

مرصد "معرفة"
لقياس الإنتاج العلمي العربي

تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر