Curvelet and Waveatom Transforms Based Feature Extraction for Face Detection

الحنجوري, محمد (2011) Curvelet and Waveatom Transforms Based Feature Extraction for Face Detection. Al-Aqsa University Journal (Natural Sciences Series), 15 (1). pp. 41-66. ISSN 2070-3155 (Print), ISSN 2521-893X (Online)

[img] Text
400.pdf

Download (659kB)

Abstract

هذا البحث يدرس تقنيتين حديثتين لاستخراج ميزات الوجه استنادا الى نوعين من أدوات التحليل المتعدد-الحلول، الأول يسمى تحويل المنحنى- المصغر والثاني هو تحويل موجة- الذرة. وقد تم تمرين واختبار الميزات الناتجة باستعمال اثنين من أشهر المصنفات ، الأول هو الشبكة .(HMM) أما الثاني فهو نموذج ماركوف الخفي ،(ANN) العصبية الاصطناعية AT&T وقد أجريت التجارب على اثنتين من قواعد البيانات المعروفة، الأولى مجموعة البيانات Essex Grimace وتتألف من 400 صورة لأربعين شخص مختلف ، والثانية مجموعة البيانات للوجوه المتجهمة وتتألف من 360 صورة لحوالي 18 شخص مختلف. وقد أظهرت النتائج قوة وميزات كلٍ من تحويل المنحنى-المصغر وتحويل موجة-الذرة. حيث أعطت المميزات ٪ المستخرجة باستخدام وتحويل موجة-الذرة أعلى معدل دقة تمييز للوجوه، حيث بلغ حوالى 94 و 96 ٪ لكلتى مجموعتي البيانات المستخدمة على التوالي وباستعمال نموذج ماركوف الخفي كمصنف، في حين بلغت دقة التمييز حوالى ٪ 90 و ٪ 93 باستخدام الشبكات العصبية الاصطناعية لنفس مجموعتي البيانات على التوالي. في المقابل، حققت المميزات المستخرجة باستخدام مستويين من تحويل المنحنى-المصغر معدل دقة تمييز 92 ٪ و 95 ٪ لصالح مصنف نموذج ماركوف الخفي، و 88 ٪ و 92 ٪ لمصنف الشبكات العصبية الاصطناعية، لمجموعتي على التوالي. Essex Grimace و AT&T البيانات كما تم عمل دراسة مقارنة لتحويل موجة-الذرة و تحويل المنحنى-المصغر مع كلٍ من تحويل اللذين تم استخدامهما في الكثير ،(PCA) المويجة و طريقة تحليل المكونات الأساسية التقليدية من أبحاث التعرف على الوجه. وقد لوحظ ارتفاع معدل دقة التمييز للتقنيات المقترحة في هذه الدراسة. مما يؤكد قوة أساليب استخراج المميزات المقترحة ضد التباين الشديد في التعبير والإضاءة وتفاصيل الوجه المختلفة. أيضا تشير النتائج إلى قدرة نموذج ماركوف الخفي مقابل الشبكات العصبية الاصطناعية كمصنفات This work identifies two novel techniques for Face Features Extraction based on two different multiresolution analysis tools; the first called Curvelet transform while the second is Waveatom Transform. The resultant features are trained and tested via two famous classifiers; one of them is the Artificial Neural Network (ANN) and the other is Hidden Markov Model (HMM). Experiments are carried out on two well-known datasets; AT&T dataset consists of 400 images corresponding to 40 people, and Essex Grimace dataset consists of 360 images corresponding to 18 people. Experimental results show the strength of both Curvelets and Waveatom features. In one hand, Waveatom features obtained the highest accuracy rate of 94% and 96% with HMM classifier, and 90% and 93% with ANN classifier, for AT&T and Essex Grimace datasets, respectively. In the other hand, two levels Curvelet features achieved accuracy rate of 92% and 95% with HMM classifier, and 88% and 92% with ANN classifier, for AT&T and Essex Grimace datasets, respectively. A comparative study for waveatom with wavelet-based, curveletbased, and traditional Principal Component Analysis (PCA) techniques is also presented. The proposal techniques supersede all of them. And proves the robustness of feature extraction methods used against extreme variation on expression and illumination, and different facial details. Also, indicates the potential of HMM over ANN, as they are classifiers

Item Type: Article
Subjects: T Technology > T Technology (General)
Depositing User: أ. دارين علي أحمد حمد
Date Deposited: 14 Oct 2021 08:40
Last Modified: 31 Oct 2021 11:00
URI: http://scholar.alaqsa.edu.ps/id/eprint/7081

Actions (login required)

View Item View Item