Curvelet and waveatom transforms based feature extraction for face detection
Author
Source
Journal of al-Aqsa University : Series of Natural Sciences
Issue
Vol. 15, Issue 1 (31 Jan. 2011), pp.41-66, 26 p.
Publisher
al-Aqsa University Deanship of Graduate Studies and Scientific Research
Publication Date
2011-01-31
Country of Publication
Palestine (Gaza Strip)
No. of Pages
26
Main Subjects
Topics
Abstract 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.
Abstract 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.
American Psychological Association (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
Modern Language Association (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
American Medical Association (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
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 64-66
Record ID
BIM-328122
