استخراج ویژگی نظارت شده تصاویر چهره به منظور افزایش دقت شناسایی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
استخراج ویژگی یک گام مهم برای پردازش و تحلیل داده های ابربعدی در مسائل شناسایی الگو است. تصاویر ابرطیفی اخذ شده از سنجنده های راه دور و تصاویر چهره انسان از جمله داده های ابربعدی محسوب می شوند که با وجود تعداد نمونه آموزشی محدود، کاهش ویژگی یک گام پیش پردازش اساسی برای طبقه بندی این گونه داده ها محسوب می شود. در این مقاله، به بررسی و ارزیابی روش های نوین استخراج ویژگی ای می پردازیم که تا کنون برای داده چهره استفاده نشده و درهمین اواخر برای کاهش ابعاد تصاویر ابرطیفی سنجش از دور پیشنهاد شده اند. در این پژوهش، کارایی هفت روش نوین معرفی شده را برای داده ابرطیفی با چهار روش پرکاربرد استخراج ویژگی مورد ارزیابی و مقایسه قرار خواهیم داد. نتایج آزمایش ها بر روی دو داده بانک Yale و ORL، برتری تعدادی از این روش های نوین را نسبت به روش های استخراج ویژگی LDA، NWFE، MMLDA و LPP نظارت شده، از نظر دقت شناسایی، نشان می دهند.
کلیدواژگان:
زبان:
فارسی
صفحات:
158 تا 172
لینک کوتاه:
magiran.com/p2003602
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!