۴۹۳/۹۵

“ WT - MLP”

۸۶۶/۹۵

“BA - MLP”

از مقایسه نرخ بازشناسی روش­های نام برده شده در جدول (۴-۴) می­توان به عملکرد نسبتا خوب این سه روش در بازشناسی تصاویر چهره در شرایط ایده آل (در این شرایط تصاویر ورودی شفاف و بدون نویز هستند.) اشاره کرد.
معرفی روش رفع ماتی از تصاویر چهره FADEIN
همانطورکه در فصل قبل به آن اشاره شد، در این پایان نامه علاوه بر شبیه­سازی روش پیشنهادی، به شبیه­سازی روش ارائه شده در [۲۰] (روش FADEIN) پرداخته و در شرایطی مساوی به مقایسه نتایج کمّی حاصل شده از این دو روش می­پردازیم.
در روش FADEIN، ابتدا تمامی نمونه­های آموزش که شامل تصاویر چهره مات شده می­باشند را به حوزه فرکانس نگاشت داده، سپس این نمونه­ها باتوجه به رابطه (۴-۱) جهت یادگیری آماری، به فضای ویژگی بنا شده بر پایه اندازه مولفه­های فرکانسی، نگاشت می­یابند:

(۴-۱)

Log

در این رابطه تصویر چهره مات نگاشت یافته به حوزه فرکانس، ویژگی­های استخراج شده، و مربوط به مولفه فرکانسی تصویر می­باشند.
با توجه به این نکته که استفاده از تمامی اطلاعات موجود در این فضای ویژگی، حجم محاسباتی بالایی را به دنبال دارد، در روش FADEIN به جای استفاده از تمامی اطلاعات مربوط به هر دسته، به کمک یک روش آموزش آماری مبتنی بر تجزیه و تحلیل اجزای اصلی (PCA) تنها از اطلاعات تقریبی هر دسته استفاده می­ شود. سپس با بهره گرفتن از رابطه (۴-۲)، ماتریس همبستگی A_i مربوط به هر دسته از روی بردار­های ویژگی آن دسته، محاسبه شده و فضای ویژگی مورد نظر تشکیل داده می شود:

(۴-۲)

_i

که در این رابطه تعداد بردارهای ویژگی استخراج شده از دسته i­ ام، و X_ik بردار ویژگی k­ام مربوط به دسته i­ام و ترانهاده­ی ماتریس X_ik می­باشد.
در این روش پس از محاسبه ماتریس همبستگی A_i مربوط به هر دسته، به منظور کاهش ابعاد فضای ویژگی، مقادیر ویژه و بردارهای ویژه مربوط به هر کدام از ماتریس­های همبستگی را استخراج کرده، و سپس بردارهای ویژه متناظر با اولین Dمقدار ویژه بزرگ هر دسته به شکل _i = Φ، به عنوان بردارهای ویژگی متناظر با هر دسته در نظر گرفته می­شوند.
سپس برای شناسایی PSF مات کننده تصویر چهره مات ورودی، با توجه به رابطه (۴-۳) این تابع را از مقایسه بردارهای ویژه مربوط به هر دسته از تصاویر فضای ویژگی در مرحله آموزش با بردار ویژگی حاصل از تصویر چهره مات ورودی (g)، شناسایی می­ کند.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

(۴-۳)

= arg max_i S
= arg max_i

که در این رابطه بردار مربوط به بردار ویژگی حاصل از تصویر چهره مات ورودی (g)، و زاویه بین بردار ویژگی و بردار ویژگی دسته i­ام_i) Φ(، و i شماره دسته آموزش را نشان می­ دهند.