حسام متین - دانشگاه علم و صنعت ایران
احمد آیت اللهی - دانشگاه علم و صنعت ایران

توصیفگرهای ویژگی مبتنی بر الگوی باینریمحلی (LBP) در شناسایی تصویر، عملکرد خوبی دارند.نسخه های بهبودیافته LBP، مانند الگوی باینری محلیمتقارن- مرکز (CS-LBP) و الگوی سه گانه محلی (LTP) نیزدر شناسایی تصویر به کاربرده می شوند که حد آستانه هابرای مقابله با نویز به صورت دستی انتخاب می شوند وانتخاب حد آستانه ای مناسب کاری دشوار است. بدینمنظور، عملگرهای الگوی سه گانه محلی تطبیقی (ALTP) والگوی سهگانه محلی تطبیقی متقارن- مرکز (CS-ALTP) کهتوصیفگرهای ویژگی محلی تطبیقی الهام گرفته از قانونوبر هستند، پیشنهادشده اند که حد آستانه ها به صورتخودکار انتخاب می شوند و در مقابل نویز مقاوم ترند. روشپیشنهادی نیز بر اساس قانون وبر، از حد آستانه گذاریخودکار و الگوریتم الگوی سه گانه محلی متقارن-عمود(OS-LTP) که نسخه بهبودیافته LTP و CS-LTP است،استفاده می کند و الگوی سه گانه محلی تطبیقی متقارن-عمود (OS-ALTP) نام گرفته است. نتایج ارزیابی پایگاه دادهORL نویزیشده، برتری روش پیشنهادی را با میانگین2/33 درصد نسبت به بهترین توصیفگر تطبیقی در حالت-های مختلف نشان می دهد. همچنین، نتایج ارزیابی پایگاهداده FERET که شامل تصاویر بدون نویز و باکیفیت است،توانایی الگوریتم پیشنهادی را با میانگین برتری 1/12 درصدنسبت به میانگین نتایج سایر الگوریتم های نامبرده نشانمی دهد. درمجموع، روش پیشنهادی عملکرد عادی درتصاویر معمولی و دقت بالا در تصاویر نویزیشده دارد.

بیومتریک، توصیفگر بافت، توصیفگر ویژگی، شناسایی چهره، قانون وبر