بازشناسی چهره با استفاده از بیشینه سازی حاشیه تصویر حفظ محلیت

در بازشناسی چهره، داد هها در فضای با بعد بالا قرار دارند که افزونگی به همراه دارند و از نظر محاسباتی گران می باشند. برای حل این مشکلات، روش های کاهش بعد در بازشناسی چهره به کار برده می شوند. روش های کاهش بعد مبتنی بر یادگیری منیفلد از جملهروش های کاهش بعد هستند که در سال های اخیراً ارائه شد هاند. در این مقاله روش کاهش بعد مبتنی بر یادگیری منیفلد جدیدی به نام بیشین هسازی حاشیه تصویر حفظ محلیتMMLPP)ارائه می شود. در روش پیشنهادی از معیار نمایش تنک نامنفیNSR) درروشk نزدیکترین همسایه برای یافتن همسایه های هر داده استفاده می شود و تابع هدف روش پیشنهادی، از ترکیب معیار فیشر وتابع هدف روش تصویر حفظ محلیتLPP)ساخته می شود که هدف آن حفظ روابط محلی بین داده ها توسط روشLPPوبیشین هسازی حاشیه بین کلاس ها با استفاده از معیار فیشر م یباشد و سپس روش متعامدسازی گرام-اشمیت، برای به دست آوردن پایه های عمود در روش پیشنهادی به کار برده می شود. مقایسه نتایج آزمایش ها بر روی پایگاه داده های چهرهAR و ORL نشان م یدهد که روش پیشنهادی در مقایسه با سایر روش ها م یتواند به دقت بازشناسی بالاتری دست یابد

Keywords:

کاهش بعد , یادگیری منیفلد , بازشناسی چهره , معیار فیشر , روش تصویر حفظ محلیت