روش تشخیص چهره انسانی ماژولار مبتنی بر تحلیل مولفه اصلی و فاصله ماهالانوبیس

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
روش تحلیل مولفه اصلی یکی از روش های شناخته شده کاهش بعد است که دارای کاربردهای فراوانی در تجزیه وتحلیل کلان داده ها در زمینه های گوناگون می باشد. این روشی اساسی در پردازش تصاویر است که به صورت مستقیم یا بعد از چند مرحله پیش پردازش و در ترکیب با روش های دیگر به کار می رود. روش های تشخیص چهره مبتنی بر تحلیل مولفه اصلی دارای کاربردهای فراوانی در زمینه شناسایی و تشخیص چهره هستند. در این مقاله، الگوریتم دارای صرفه محاسباتی در زمینه تشخیص چهره انسانی مبتنی بر تحلیل مولفه اصلی را ارائه می کنیم که با ترکیب فاصله ماهالانوبیس با روش تحلیل مولفه اصلی، توانایی تشخیص چهره در کوتاه ترین زمان ممکن برای تصاویر باکیفیت پایین و حتی تصاویر سیاه وسفید را دارد. طراحی این روش ماژولار است و می توان هر بخش از آن را با روش های دیگر ترکیب نمود. روش بیان شده و از نظر پارامترهای مطرح در تعیین پیچیدگی و کارآمدی محاسباتی موردبحث و بررسی قرار می گیرد. در مجموع می توان گفت روش ارائه شده نسبت به روش های دیگر دارای توانایی پردازش تصاویر با وضوح و عمق رنگ بسیار پایین، توانایی تشخیص چهره بر مبنای پایگاه داده تصاویر سیاه وسفید، عدم نیاز به سیستم های رایانه ای نیرومند و هزینه بر، ساختار ماژولار، سفارشی سازی بر اساس فاصله و سنجه محاسبه تشابه،  افزایش نرخ تشخیص 30 درصدی از 49 به 79 درصد است.
زبان:
فارسی
صفحات:
93 تا 98
لینک کوتاه:
magiran.com/p2713198 
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!