شما اینجائید:خانه»دانلود»تشخیص حالات چهره مبتنی بر تبدیل کرولت و روش ترکیبی PSO-SVM
تشخیص حالات چهره مبتنی بر تبدیل کرولت و روش ترکیبی PSO-SVM
ارسال شده توسط:Papersimتاریخ ارسال: 2017/11/17در دیدگاهها برای تشخیص حالات چهره مبتنی بر تبدیل کرولت و روش ترکیبی PSO-SVM بسته هستند
هدف ما تشخیص حالات چهره مبتنی بر تبدیل کرولت و روش ترکیبی PSO-SVM
روش جدید برای تشخیص حالات چهره، ترکیبی از تبدیل کرولت با ماشین بردار پشتیبان[۱](SVM)است که بر اساس بهینه سازی ازدحام ذرات[۲](PSO) ارایه شده است. تمامی فرایندهای انجام شده به شرح زیر است. در ابتدا، تبدیل کرولت برای استخراج ویژگی های حالت چهره اعمال می شود.
با این حال، میزان ضرایب کرولت بدست آمده در مرحله ی اول برای کلاس بندی بسیار زیاد است، بنابراین، تمامی ضرایب بدست آمده بصورت نزولی مرتب شده و ۵% یا ۱۰% از ضرایب که بزرگتر از بقیه است باقی می ماند و ضرایب دیگر برای کاهش بعد حذف می شوند. در نهایت، الگوریتم PSO برای جستوی پارامترهای قابل قبول از SVM استفاده می شود تا دقت کلاس بندی افزایش یابد.
روش ارایه شده بر اساس تجزیه ی تصاویر چهره با استفاده از تبدیل کرولت و سپس کاهش ابعاد ضرایب کرولت برای تشخیص حالت چهره استفاده می شود. مجموعه ای از ویژگی های متمایز تولید شده توسط تبدیل کرولت برای آموزش و تست کلاس بندی SVM استفاده می شود. به طور کلی از دو بخش تشکیل شده است: استخراج حالت چهره بر اساس تبدیل کرولت و کلاس بندی حالت چهره بر اساس PSO-SVM.
سپس تبدیل کرولت برمبنای پیچش برای تولید ویژگی های تصاویر چهره در زوایا و مقیاس های مختلف اعمال می شود تا عملکرد بهتری در حضور singularities در ابعاد بالاتر و افزایش localization مولفه های فرکانسی بالاتر با حداقل اثرات aliasing را داشته باشد. تعداد ضرایب کرولت بدست آمده برای هر تصویر بسیار زیاد است، بنابراین کاهش ابعادی اعمال می شود که در آن، همه ی ضرایب به صورت نزولی مرتب شده و تنها ۵% یا ۱۰% ضرایب که بزرگتر از بقیه است باقی می ماند تا به یک بردار تبدیل شود تا بتواند پیچیدگی چارچوب ارایه شده را به حداقل برساند. در نهایت، پارامترهای SVM توسط الگوریتم PSO بهینه می شوند و سپس برای تشخیص حالت چهره استفاده می شود.
تشخیص حالات چهره مبتنی بر تبدیل کرولت و روش ترکیبی PSO-SVM
Facial expression recognition and its application based on