رفع ماتی از تصاویر چهره به منظور استفاده در یک سیستم بازشناسی چهره

نوع فایل :word 

تعداد صفحات :۸۹

بازشناسی چهره در زمینه­ های بیومتریک، بینایی ماشین و تشخیص الگو بوده و دارای کاربرد گسترده­ای از جمله مسائل مربوط به سیستم­های امنیتی می­باشد. از آن­جا که عوامل مختلفی از جمله نحوه نورپردازی محیط، نویز، و ماتی تصویر در عملکرد روش‌های بازشناسی چهره کم و بیش تاثیرگذارند، لذا بررسی روش‌های رفع ماتی از تصاویر چهره مورد استفاده در الگوریتم­های بازشناسی چهره، به منظور ارتقا صحت بازشناسی، اهمیت ویژه­ای دارد.با توجه به این موضوع که مسأله اساسی در کلیه روش­های بهسازی تصاویر، پی­بردن به نوع و مشخصات تابع گسترش نقطه­ای (PSF) مربوط به عامل مات کننده تصاویر است، لذا در قسمتی از روش پیشنهادی در این پایان­نامه با فراگیری دانش قبلی از روی نمونه‌های آموزش که شامل تصاویر چهره مات شده به صورت مصنوعی می­باشند، به شناسایی PSF عامل مات کننده تصاویر چهره، پرداخته شده است. طبق روش پیشنهادی در این پایان­نامه ابتدا در مرحله آموزش، مجموعه­ای از تصاویر چهره مربوط به پایگاه داده  ORLرا با استفاده از چند PSF مشخص، به صورت مصنوعی مات کرده و سپس به آن­ها نویز سفید با توان متوسط dB30 اضافه می­کنیم. حال، ویژگی­هایی متشکل از اطلاعات بیشینه مربوط به اندازه مولفه­ های فرکانسی تصاویر مات شده با PSF مشابه را در یک دسته قرار داده و با استفاده از شبکه عصبی MLP به فراگیری دانش از روی فضای ویژگی ایجاد شده، می­پردازیم. سپس در مرحله آزمایش تصویر چهره مات ورودی که دارایPSF  مات کننده نامشخص می­باشد را به فضای ویژگی مرحله آموزش نگاشت داده و به استخراج ویژگی­های قبلی از روی تصویر نگاشت­ یافته می­پردازیم. حال به کمک شبکه عصبی آموزش داده شده قبلی، نزدیکترین دسته به این تصویر را از بین دسته‌های آموزش داده شده انتخاب، و PSF مات کننده تصاویر مربوط به این دسته را به عنوان PSF مات کننده تصویر چهره مات ورودی، در نظر می­گیریم. در ادامه، با توجه به این PSF و با استفاده از روش دیکانولوشن (عکس پیچش) به بهسازی تصویر ورودی پرداخته و تصویر بهسازی شده را جهت انجام عمل بازشناسی به سیستم بازشناسی چهره تحویل می­دهیم.