This paper introduces a method using the holistic and the local features for face image recognition. The holistic feature is extracted from spatial domain by 2DPCA and the local feature is taken from 2D-DCT-frequency domain by 2DNMF, respectively. 2D-DCT coefficients form the different frequency components and get energy concentrate at the same time, which may be suitable to preserve some useful puny features often ignored in global method. And it may avoid the correlation between global and local features and offer complementary frequency information to spatial one. Finally, LSSVM regression is used to weight the mixed feature vectors and classify images. Experimental results have demonstrated the validity of the new method, which outperforms the conventional 2D-based PCA and NMF methods on ORL and JAFFE face databases

چکیده

این مقاله به معرفی روشی برای استفاده از ویژگی­ های محلی و همه جانبه برای تشخیص تصویر چهره می­پردازد. ویژگی همه­ جانبگی از دامنه فضایی 2DPCA و ویژگی محلی بودن از دامنه فرکانسی 2D-DCT با 2DNMF استخراج می­شود. ضرایب 2D-DCT مولفه­ های مختلف فرکانسی را شکل می­دهند و همزمان  باعث می­شوند انرژی متمرکز شود، که می­تواند برای محافظت کردن از برخی ویژگی­ های ریز و ظریف که در روش کلی نادیده گرفته می­شوند، مناسب باشد. همچنین می­تواند از ارتباط بین ویژگی­ های کلی و محلی اجتناب کند و اطلاعات فرکانسی تکمیلی را در مقابل اطلاعات فضایی عرضه کند.نهایتا، از رگرسیون LSSVM برای وزن­ دار کردن بردارهای ویژگی­ های مخلوط و طبقه بندی کردن تصاویر استفاده می­کنیم. نتایج تجربی نشان داده ­اند روش جدید که بهتر از روش­های معمول PCA دوبعدی و NMF روی پایگاه ­های داده چهره ORL و JAFFE کار میکند، درست و معتبر است.

1-مقدمه

تشخیص چهره، چندین دهه یک زمینه فعال تحقیق و مطالعه در بینایی کامپیوتر و تشخیص الگو بوده است. روش­های تشخیص چهره بسیاری تا کنون ارایه شده ­اند، مثل PCA (1)، ICA (2)، شبکه ­های عصبی (3)، روش کرنل (4)، SVM (5)، تکنیک­ های جمعی (6)، NMF  و NTF. به­ طور کلی این روش­ها را بسته به نوع ویژگی­ های مورد استفاده، می­توان در سه دسته طبقه ­بندی کرد (9)، یعنی بر حسب این که این ویژگی ها همه جانبه، محلی یا چندگانه باشند. در دسته اول، متداول­ترین روش مورد استفاده، چهره-ویژه (PCA) است که تصویر را با استفاده از ویژگی کلی تصویر شناسایی می­کند. حال آن­که در دسته دوم، بیشترین الگوریتم مورد استفاده روش Elastic Bunch Graph Matching (10)، Local appearance based (11 هستند که از ویژگی­های محلی چهره برای شناسایی استفاده می­کنند. دسته سوم روش­ های چندگانه ­اند؛  دسته ای از شیوه­ ها هستند که از هر دو ویژگی محلی  و همه­ جانبه استفاده می­کنند...