|
Па этапе выделения информации из обрабатываемого изображения могут применяться различные методы. Среди известных методов следует выделить использование алгоритма сравнения эластичного графа, метод главных компонент, геометрические методы. Кроме того, следует отметить необходимость выделения таких характеристик, с помощью которых можно создать характеристическую каргу обрабатываемого изображения с последующим сохранением ее в различных информационных хранилищах. Для сравнения с эталоном и вынесения решения о принадлежности обрабатываемого изображения к эталону применяются методы, основанные на геометрических особенностях лица, нейронные сети. В работе исследованы такие аспекты, как максимально допустимый уровень сжатия )ре§ файла на результат распознавания, а также выполнены исследования возможности автоматического извлечения из изображения липа различных характеристик. 2.3. Разработка модифицированного метода распознавания на основе эластичного графа применительно к распознаванию лица. Введение понятия джета. В качестве основного алгоритма распознавания изображений лица был выбран, исследован и модифицирован алгоритм эластичного графа (Е1азПс СгарЬ Ма1сЫп2 А1§оп1Ьт). В основе алгоритма лежит вейвлетпреобразование Габора. В этом подразделе дано краткое описание алгоритма эластичного графа, введено понятие джета, определены различные функции подобия для джетов, описаны алгоритм автоматической разметки графа и процедура распознавания. Вейвлеты. Главная идея вейвлетного преобразования частотно-локальное (частотновременное) представление сигнала, в отличие от таких частотных преобразований, как преобразование Фурье или косинусное преобразование, дающих информацию только о частотных характеристиках сигнала, безотносительно тому, когда и какие частотные компоненты имели место 43 |
57 5) кадрирование (вырезание прямоугольной области лица из изображения, полученного в результате предыдущих этапов обработки; размеры области могут зависеть от расстояния между зрачками); 6) выравнивание яркостных характеристик изображения, т.е. применение различных фильтров, изменяющих контраст, интенсивность и т.д. в зависимости от исходных значений параметров изображения. На этапе выделения информации из обрабатываемого изображения могут применяться различные методы. Среди известных методов следует выделить использование алгоритма сравнения эластичного графа, метод главных компонент, геометрические методы. Кроме того, следует отметить необходимость выделения таких характеристик, с помощью которых можно создать характеристическую карту обрабатываемого изображения с последующим сохранением ее в различных информационных хранилищах. Для сравнения с эталоном и вынесения решения о принадлежности обрабатываемого изображения к эталону применяются методы, основанные на геометрических особенностях лица, нейронные сети. В последующих разделах описаны результаты проделанной работы по исследованию технологии распознавания изображений лица человека. Будут исследованы такие аспекты, как влияние степени сжатия изображения лица на результат распознавания, а также выполнены исследования возможности автоматического извлечения из изображения лица различных характеристик, в частности, определение угла поворота лица в глубину (определение ракурса) и определение пола человека по изображению его лица. Исследование построено применительно к алгоритму сравнения эластичного графа. Принцип действия этого алгоритма был коротко описан в первой главе настоящей работы. Теперь рассмотрим особенности этого алгоритма более подробно. 2.3. Алгоритм эластичного графа 58 В качестве основного алгоритма распознавания изображений лица был выбран, исследован и дополнен (раздел 2.4) алгоритм эластичного графа (Е1а$бс СгарЬ Ма1сЫп§ А1&огКНт). В основе алгоритма лежит вейвлет-преобразование Габора. В этом подразделе будет дано краткое описание алгоритма эластичного графа, введено понятие джста, определены различные функции подобия для джетов, описаны алгоритм автоматической разметки графа и процедура распознавания. 2.3.1. Вейвлеты Главная идея вейвлетного преобразования частотно-локальное (частотновременное) представление сигнала, в отличие от таких частотных преобразований, как преобразование Фурье или косинусное преобразование, дающих информацию только о частотных характеристиках сигнала, безотносительно тому, когда и какие частотные компоненты имели место быть в сигнале [60]. Вместо представления некоторой функции в виде суммы взвешенных дельта-функций (пространственно-временное представление) или суммы взвешенных синусоид (частотная область) в вейвлетном представлении функция представлена суммой некоторой базовой функции при различных сдвигах и масштабах. Эта базовая функция у/(/) называется вейвлетом [60]. Вейвлеты должны быть пространственно локализованы, иметь равные площади над и под Также желательно, чтобы вейвлетный базис был ортонормальным, т.с. произведение любых различных векторов (базисных функций) равно нулю, и длина каждого вектора (норма функции) равна единице. Таким образом, вейвлетные коэффициенты будут нести максимум независимой информации. осью графика, и не равны нулю только на конечном интервале: |