عنوان ترجمه شده مقاله: تشخیص چهره تحت روشنایی متغیر با استفاده از هشت الگوی جهتدار کامل محلی لگاریتمی فراکتال مبتنی بر ابعاد

Face recognition under illumination is really challenging. This paper proposes an effective method to produce illumination-invariant features for images with various levels of illumination. The proposed method seamlessly combines adaptive homomorphic filtering, simplified logarithmic fractal dimension, and complete eight local directional patterns to produce illumination-invariant representations. Our extensive experiments show that the proposed method outperforms two of its variant methods and nine state-of-the-art methods, and achieves the overall face recognition accuracy of 99.47%, 94.55%, 99.53%, and 86.63% on Yale B, extended Yale B, CMU-PIE, and AR face databases, respectively, when using one image per subject for training. It also outperforms the compared methods on the Honda UCSD video database using five images per subject for training and considering all necessary steps including face detection, landmark localization, face normalization, and face matching to recognize faces. Our evaluations using receiver operating characteristic (ROC) curves also verify the proposed method has the best verification and discrimination ability compared with other peer methods

چکیده

تشخیص چهره تحت روشنایی واقعا چالش برانگیز است. در این مقاله یک روش موثر برای تولید ویژگی­ هایی با روشنایی نامتغیر برای تصاویری با سطوح مختلف از روشنایی ارائه می ­گردد. روش پیشنهادی بطور یکپارچه ترکیبی از فیلتر گذاری همریخت تطبیقی، ابعاد فرکتال لگاریتمی ساده، و هشت الگوی جهتدار محلی کامل برای تولید بازنمایی ­هایی با روشنایی نامتغیر است. آزمایش ­های گسترده ما نشان می­ دهد که روش پیشنهادی بهتر از دو روش متغیرش و 9 روش مدرن عمل می­ کند، و در هنگام استفاده از یک تصویر در هر شخص برای آموزش برای پایگاه­ های داده ­ی چهره Yale B، Yale B گسترده، CMU-PIE و AR به ترتیب  به دقت تشخیص چهره کلی 99.47٪، 94.55٪، 99.53٪، و 86.63٪ می ­رسد. همچنین در مقایسه با روش های دیگر در مورد پایگاه ­های داده ویدئویی Honda UCSD با استفاده از پنج عکس از هر شخص برای آموزش و با در نظر گرفتن تمام اقدامات لازم از جمله تشخیص چهره، محلی سازی نقاط برجسته، نرمالیزاسیون چهره، و تطبیق چهره برای تشخیص چهره، بهتر عمل می­ کند. ارزیابی­ های ما با استفاده از منحنی ­های مشخصه عملیاتی گیرنده (ROC) نیز تایید می­ کنند که روش پیشنهادی، دارای بهترین توانایی تصدیق و تبعیض در مقایسه با روش­ های دیگر است.

1-مقدمه

تشخیص چهره با طیف گسترده ­ای از کاربردها در امنیت، تحقیقات پزشکی قانونی، و اجرای قانون، مصالحه خوبی بین اعتماد و پذیرش اجتماعی است [1،2]. یک سیستم تشخیص چهره معمولی شامل چهار مرحله اصلی است (که در شکل 1 نشان داده شده [1].): تشخیص چهره، محلی سازی نقاط برجسته، نرمالیزاسیون چهره، و تطبیق چهره. در مرحله اول، آشکارسازهای چهره مانند آشکارساز چهره مبتنی بر SNoW (شبکه پراکنده از پنجره­ ها) [3]، آشکارساز ویولا جونز [4]، و آشکارساز چهره ویولا جونز مبتنی بر پیکسل رنگ پوست [5 ] چهره را در تصاویر و یا فریم ­های ویدئویی تشخیص می ­دهند. در مرحله دوم، نقاط برجسته مربوطه صورت برای هر چهره مورد شناسایی، محلی سازی می ­شود...