تشخيص چهره با استفاده از PCA و فيلتر گابور

روش هاي تشخيص چهره که مبتني بر ساختار چهره هستند، روش هاي بدون نظارتي مي باشند که نسبت به تغييرات خطي که در تصوير رخ مي دهد نتايج مناسبي را توليد مي کنند. PCA يک تبديل خطي است که ابزار قدرتمندي براي تجزيه و تحليل داده هايي است که داراي تغييرات خطي مي باشند؛ ولي براي تغييرات غيرخطي چهره ناشي از تغييرات حالت، روشنايي و ژست در تصوير چهره، مطلوب نمي باشد. فيلتر گابور يکي از روش هاي مبتني بر ويژگي است که مي تواند براي رفع نقطه ضعف PCA مورد استفاده قرار گيرد.
در اين مقاله روشي جديد براي تشخيص چهره با ترکيب روش هاي PCA و گابور ارايه شده است. بدين صورت که پس از اعمال فيلتر گابور بر روي هر چهره موجود در بانک اطلاعاتي، تعدادي تصوير حاصل از فيلتر گابور به دست مي آيد. ميانگين تصاوير حاصل از فيلتر گابور به عنوان يک تصوير جديد در نظرگرفته مي شود؛ سپس از مولفه هاي اصلي به دست آمده از اعمال PCA بر روي تصاوير ميانگين براي تشخيص چهره استفاده مي گردد. روش پيشنهادي بر روي پايگاه هاي داده تصوير YaleB و ORL تحت شرايط مختلف بررسي گرديد. نتايج به دست آمده نشان مي دهد روش پيشنهادي نسبت به روش PCA بهتر عمل مي کند.