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 چشم‌ها تنظیم می‌کنیم و سپس ناحیه‌ی چهره را در آن‌ها استخراج می‌کنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلول‌های کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه می‌کنیم و آن را به پیکسل مرکزی سلول اختصاص می‌دهیم. بنابراین برای هر موقعیت پیکسل یک بردار بدست می‌آید که نشان دهنده‌ی هیستوگرام گرادیان همسایگی اطراف آن است. سپس برای هر موقعیت پیکسل، 8 همسایه‌ی آن ‌را در شعاع R در نظر گرفته و هیستوگرام‌های اختصاص یافته به آن‌ها را با استفاده از روش LBP کدگذاری می‌کنیم تا تصویر کد بدست آید. در نهایت تصویر کد به چند ناحیه‌ی غیرهمپوشان تقسیم شده و در هر ناحیه یک هیستوگرام از مقادیر کدها محاسبه می‌شود. بردار ویژگی نهایی با کنار هم قرار دادن هیستوگرام‌های هر ناحیه بدست می‌آید. همچنین برای بهبود عملکرد سیستم، یک طرح فیدبک ارتباطی  مبتنی بر ماشین بردار پشتیبان (SVM) معرفی می‌کنیم.آزمایش‌ها 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 می‌دهد که سیستم پیشنهادی بطور مؤثری می‌تواند تصاویر چهره را بازیابی کند. همچنینروش پیشنهادی خود را با برخی از روش‌های موفق در توصیف چهره مقایسه کرده‌ایم. معیار دقت متوسط میانگین (MAP)  برای روش پیشنهادی در حالت‌های اول و دوم آزمایش به ترتیب 40/94% و 12/68% بدست می‌آید که در مقایسه با بهترین نرخ روش‌های مقایسه شده پیشین یعنی  37/90% و 91/66% بهبود قابل توجهی دارد