شناسايي حالت چهره با استفاده از نرماليزاسيون هندسي و تبديل موجك مختلط Dual-Tree

در سال هاي اخير شناسايي حالت چهره به دليل كاربردهاي فراوان موردتوجه زيادي در تحقيقات بينايي ماشين قرار گرفته است. به دليل تنوع و تغييرپذيري حالت ها، شناسايي حالت چهره با دقت بالا هنوز هم به عنوان يك مسئله چالش برانگيز مطرح است. در اين مقاله روش نويني ارائه مي شود كه هم زمان با حذف تنوع هندسي در چهره، از استخراج ويژگي هاي دقيق بهره مي برد. براي اين كار از مدل هندسي ميانگين براي نرماليزاسيون و حذف تنوع هندسي تصاوير چهره و در مرحله بعد از تبديل موجك مختلط Dual-Tree براي استخراج ويژگي هاي ظاهري استفاده شده است. اين تبديل موجك يك تبديل جهت دار با قابليت تشخيص لبه ها در زواياي مختلف و داراي خاصيت تغييرناپذيري نسبي در برابر جابجايي است. اين نوآوري، يعني استفاده هم زمان از نرماليزاسيون هندسي و تبديل موجك مذكور، دقت الگوريتم را در برابر استفاده تك تك از اين روش ها بيش از 5% افزايش مي دهد؛ به طوري كه با اين روش، نرخ شناسايي هفت حالت چهره بر روي پايگاه داده CK+ برابر با 78/ 93% است، كه در برابر معتبرترين منابع تحقيقاتي اخير در اين پايگاه داده دقت قابل توجهي است.