تشخیص زاویه نورپردازی در تصاویر چهره با رویکرد یادگیری قوانین تصمیم گیری

در این مقاله یک سیستم تصویرکاوی با هدف اکتشاف د ا نشِ مرتبط با زاویه نور پردازی از تصاویر چهره پیشنهاد گردیده است . از آنجا که عدم وجود دانش کافی در مورد منبع نور و زاویه تابش یکی از مشکلات اصلی در س یستمهای شناسا یی چهره می باشد ، در راه حل پیشنهادی، دانش مربوط به کلاس های نوری مختلف در قالب قوانینی محدود از تصاویر چهره استخراج می گردد . برای یادگیری کلاس ها، ابتدا شش مجموعه مختلف از ویژگی های تصاویر، استخراج و پس از ارزیابی کیفیت آنها، بهترین مجموعه انتخاب و یادگیری بر اساس آن انجام می گیرد . در فرآیند یادگیریِ کلاس های نوری و اکتشافקֶ دانش مربوطه از سه الگوریتم مختلف درخت تصمیم C4.5 ، J4.8 و RIPPER استفاده شده است . برای ارزیابی الگوریتمها در کاربرد پیشنهادی از پایگاه تصویری YaleB که شامل ۰۴۶ تصویر از ۰۱ فرد در ۵ کلاس نوری می باشد، استفاده شده است و نتایج بدست آمده نشان می دهد که الگوریتم J4.8 در بهترین حالت با دقت۴۸ % بهتر از دو الگوریتم دیگر دانش مرتبط با کلاس های نوری مختلف را استخراج می کند .

Keywords:

تصویر کاوی , استخراج دانش , درخت تصمیم , یادگیری کلاسهای نوری