بازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی

در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(lbp)  پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشم ها تنظیم می کنیم و سپس ناحیه ی چهره را در آن ها استخراج می کنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلول های کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه می کنیم و آن را به پیکسل مرکزی سلول اختصاص می دهیم. بنابراین برای هر موقعیت پیکسل یک بردار بدست می آید که نشان دهنده ی هیستوگرام گرادیان همسایگی اطراف آن است. سپس برای هر موقعیت پیکسل، 8 همسایه ی آن را در شعاع r در نظر گرفته و هیستوگرام های اختصاص یافته به آن ها را با استفاده از روش lbp کدگذاری می کنیم تا تصویر کد بدست آید. در نهایت تصویر کد به چند ناحیه ی غیرهمپوشان تقسیم شده و در هر ناحیه یک هیستوگرام از مقادیر کدها محاسبه می شود. بردار ویژگی نهایی با کنار هم قرار دادن هیستوگرام های هر ناحیه بدست می آید. همچنین برای بهبود عملکرد سیستم، یک طرح فیدبک ارتباطی  مبتنی بر ماشین بردار پشتیبان (svm) معرفی می کنیم.آزمایش ها را بر روی پایگاه دادهی ar و در دو حالت بدون در نظر گرفتن تصاویر با مانع و با در نظر گرفتن تصاویر با مانع انجام میدهیم. نتایج آزمایشها نشان می دهد که سیستم پیشنهادی بطور مؤثری می تواند تصاویر چهره را بازیابی کند. همچنینروش پیشنهادی خود را با برخی از روش های موفق در توصیف چهره مقایسه کرده ایم. معیار دقت متوسط میانگین (map)  برای روش پیشنهادی در حالت های اول و دوم آزمایش به ترتیب 40/94% و 12/68% بدست می آید که در مقایسه با بهترین نرخ روش های مقایسه شده پیشین یعنی  37/90% و 91/66% بهبود قابل توجهی دارد