رویکرد ترکیبی برای بازیابی تصاویر براساس محتوا بر پایه بافت و رنگ

با رشد روزافزون اینترنت و ابزارهای تصویربرداری دیجیتال، اندازه پایگاه های داده تصویری به سرعت در حال رشد است، در چنین شرایطی، تقاضای شدیدی برای ابزارها و روشهای کارا در جستجوی تصاویر دلخواه در پایگاه های داده بزرگ به وجود آمده است. در سامانه های بازیابی تصویر بر اساس محتوا، سعی بر این است که تصاویری از پایگاه داده که به تصویر پرس و جوی کاربر بیشترین شباهت را دارند به عنوان نتیجه جستجو برگردانده شوند. بازیابی تصویر بر اساس محتوا به عنوان یک جایگزین کاملتر و دقیقتر برای سیستم های بازیابی تصویر بر اساس متن به شمار می رود. برای اندازه گیری میزان شباهت تصاویر در اکثر سیستم های بازیابی براساس محتوا، ویژگی های سطح پایین تصویر از جمله رنگ، بافت و شکل به صورت خودکار از تصاویر استخراج می شود و برداری که بیانگر ویژگی های تصویر است، ساخته می شود.در پایان نامه  رویکرد ترکیبی برای بازیابی تصاویر براساس محتوا بر پایه بافت و رنگ از ترکیب ویژگی های رنگی شامل کارلوگرام رنگ، گشتاورهای رنگ و همچنین ویژگی های بافت شامل فیلتر گابور و تبدیل موجک برای استخراج HSV هیستوگرام رنگ در فضای ویژگی استفاده شده است. همچنین به منظور شناسایی تصاویر مشابه از طبقه بندی نزدیک ترین همسایه استفاده شده است. علاوه بر مسأله بازیابی تصویر، به منظور ارزیابی ویژگی های استخراج شده مسأله طبقه بندی تصاویر نیز با استفاده از یک ماشین بردار پشتیبان انجام شد و در نهایت دقت 89.2 به دست آمد.

کتاب بینایی ماشین با opencv و برنامه های کاربردی با opencv در دو جلد

این دو کتاب بهمراه مثال های خوب مراجعی جامع برای یادگیری بینایی ماشین با opencv ترجمه سرکار خانم دکتر الهام شعبانی نیا می باشند. لذا علاقه مندان به ویدئو های آموزشی می توانند با عضویت در سایت www.faradars.org از جلسات آموزشی ویدئویی ایشان نیز بهره مند شوند.

استخراج ویژکی کارا با استفاده از فیلتر گابور ،LBP،LDA برای شناسایی چهره

چهره بدلیل عدم نیاز به تماس، یک بیومتریک قابل قبول از دید اغلب کاربران محسوب می شود و عدم نیاز به مشارکت مستقیم کاربر مزیت دیگر این بیومتریک است که ان را در سیستمهای نظارتی و سیستمهای درگیر با مجرمین بی رقیب ساخته است. شناسایی چهره در سالیان اخیر پیشرفت قابل ملاجظه ای داشته است با این حال بدلیل وجود چالش هایی چون تغییرات روشنایی و حالت چهره ، انسداد بخشی از چهره و تغییرات ژست هنوز یک موضوع تحقیقاتی مهم و باز به شمار می آید.روشهای متعدد استخراج ویژگی از چهره بطور کلی به دو دسته زیر تقسیم می شوند:

1- روشهای مبتنی بر تصویر یا کلی نگری 2- روشهای مبتنی بر ویژگی

روشهای کلی نگر به دنبال یافتن یک توصیف کلی از چهره هستند که در این روش ویژگی زیاد اهمیتی ندارد ولی روشهای مبتنی بر ویژگی سعی در شناسایی ویژگیهای ساختاری چهره مانند چشمها ،دهان،بینی و رابطه بین آنها دارد،یکی از معایب عمده روشهای مبتنی بر ویژگی،دشواری شناسایی و استخراج خودکار ویژگی های اصلی چهره است که دو نمونه موفق و قدرتمند آنHOG وLBP می باشد و موفقیت این روشها موجب تحقیقات بیشتر بر روی آنها شده است ،برای مثال در برخی از موارد با ترکیب برخی از فیلترها و این روشها به دقت بالاتری در شناسایی تصویر چهره دست یافته اند.

در این مقاله روشی جدید برای استخراج ویژگی کاراپیشنهاد شده است،در این روش از فیلتر گابور برای استخراج الگوهای پایدار از تصاویر استفاده شده است و علاوه بر بخش اندازه از بخش فاز فیلتر گابور نیز برای استخراج ویژگی بهره برده است، سپس با اعمال عملگر LBP به بخش اندازه ویژگیهایی با قدرت تمایز بالا استخراج شده است و برای بخش فاز خروجی فیلتر گابور عملگرهای LBPوXOR بصورت ترکیبی بکار رفته است و این دو عملگر بصورت چند بخشی بر روی تصویر اعمال می شوند تا بخشهای مختلف چهره در شناسایی تاثیر داده شوند از آنجایی که طول بردار ویژگی های بدست آمده بزرگ است روشی نو برای کاهش ابعاد ویژگی از الگوریتم LDA استفاده شده است.

سپس یرای طبقه بندی تصاویر با محاسبه فاصله اقلیدسی بین بردارهای وِزگی تصاویر این کار امکان پذیر می باشد.

تخمین خودکار سن از روی تصویر چهره با تلفیق ویژگیهای آماری و بافت

برآورد خودکار سن از روی تصویر چهره کاربردهای مختلفی از جمله در پزشکی قانونی، مدیریت ارتباط با مشتری و کنترل امنیت دسترسی دارد. بدین منظور ویژگیهای مختلفی از تصاویر چهره استخراج ، پردازش و انتخاب می شوند و با استفاده از الگوریتمهای دسته بندی سن تصویر چهره مورد نظر تخمین زده می شود، پس بنابراین استخراج و انتخاب ویژگیهای مناسب یک مرحله مهم و اساسی در این فرآیند برآورد خودکار به شمار می رود.

بطور کلی در اینجا ویژگیها به دو نوع محلی و عمومی تقسیم می شوند:

ویژگی های محلی در قسمتهای مختلف چهره مانند انواع چین و چروکها و غیره و ویژگیهای عمومی شامل اندازه و شکل ظاهری چهره هستند که در این مقاله با تلفیق ویژگیهای عمومی و محلی میزان دقت بازیابی را افزایش داده است.

همانطور که بیان شد هدف از این مقاله ارائه روشی برای بالا بردن دقت سیستم های تخمین سن از روی چهره است، در این راستا از تلفیق ویژگیهای عمومی مانند مدل ظاهر فعال(AAM) و ویژگی های محلی بافت هارالیک(Haralik)و هاگ(HOG) با استفاده از روش نزدیکترین همسایه جهت دسته بندی استفاده شده است، نتیجه تحقیق بدین صورت بود که تلفیق ویژگیهای HOG و مدل ظاهر فعال نسبت به تلفیق ویژگیهای هارالیک و مدل ظاهری فعال دارای دقت برآورد بیشتری است.

مرجع: مجله مهندسی برق دانشگاه تبریز، جلد 47 ،شماره 3، پاییز 1396