FER: Facial Expression Recognition

مدل های تبدیل ویژگی مقباس نامتغییر (Scale-invariant feature transform)

تبدیل ویژگی های مقیاس  نا متغییر یا Scale-invariant feature transform (SIFT) یک توصیفگر محلی تصاویر برای تطبیق مبتنی بر تصویر است که برای اولین بار در کانادا در دانشگاه بریتیش کلمبیا توسط دیوید لاو در سال 1999 پیشنهاد شده است. برنامه های کاربردی SIFT شامل تشخیص شی ، نقشه برداری رباتیک و ناوبری، دوخت تصویر، مدل سازی 3D ، تشخیص حرکت، ردیابی ویدئو، شناسایی فرد از حیات وحش و بازی در حال حرکت می باشد. شکل زیر نشان دهنده یک مثال از روش استخراج ویژگیSIFT  است که توسط برتی و سایر همکارانش استفاده شده اند که آن ها ازنشان های اختصاصی چهره در مناطق ریخت شناسی مهم صورت به عنوان نقاط کلیدی استفاده نموده اند و پس از آن ،از استخراج کننده ویژگیSIFT در این نقاط کلیدی برای به دست آوردن توصیف کننده SIFT استفاده نموده اند. اخیرا"،  دمریل و سایر همکارانش یک روش تشخیص دهنده تبدیل ویژگی های مقیاس  نامتغییر (D-SIFT) را پیشنهاد نموده اند که می تواند به صورت کارایی تصمیمات زیادی را بر روی ویژگی های ظاهری کلی اتخاذ نماید. لی و سایر همکارانش یک روش جدید تبدیل ویژگی های مقیاس نامتغییر را تحت عنوانGA-SIFT برای تصاویر چند طیفی با استفاده از جبر هندسی (GA) پیشنهاد کرده اند. در ابتدا، بر اساس تئوری، یک روش جدید نمایش برای تصاویر چند طیفی با اطلاعات فضایی و طیفی معرفی شده است. سپس، فضای مقیاس برای تصاویر چند طیفی محاسبه شده است.بعد از این مرحله، مشابه SIFT  اختلاف مبتنی بر GA تصاویر گاوسی  به دست آمده است. در نهایت، نقاط ویژگی  را شناسایی نموده و با استفاده از تئوری GA شرح می دهیم. در شکل زیر روش استخراج ویژگی SIFT استفاده شده است. الف) تصویر نمونه و خطوطی که در طول آن 85 نشانه اضافی قرار گرفتند. ب) تعداد نشانه ها برای هر مولفه چهره ای که به آن تعلق دارند.

                        (ب)                                                                                                   (الف)

نظرات (0)
امکان ثبت نظر جدید برای این مطلب وجود ندارد.