توضیحات
A Comparative Study of Fractal Dimension Based Age Group Classification of Facial Images with Different Testing Strategies
بررسی مقایسه ای گروه بندی سن بر اساس ابعاد فراکتال با استراتژی های تست های مختلف بر روی تصاویر صورت
چکیده
تقاضای برآورد سن از تصاویر صورت، یک برنامهی کاربردی در دنیای واقعی است که در کاربردهایی مانند اجرای قانون، کنترل امنیت، وتعامل کامپیوتر انسان و غیره قابل استفاده است.
مقالهی حاضر طبقه بندی گروه سنی بر اساس همبستگی بعد فرکتال (FD) از تصویر صورت را با استفاده از تکنیک های اعتبار سنجی های مختلف ارزیابی میکند.
شبیه سازی انجام شد و نتایج به دست آمده در تصاویر مختلف از پایگاه داده FG-NET، پایگاه داده گوگل و عکس های اسکن شده مورد تجزیه و تحلیل قرار گرفت. که کارایی و قابلیت اطمینان روش ارائه شده رو نشان میدهد.
روش پیشنهادی
مراحل زیر مقدار همبستگی بعد فراکتال (FD) از لبه های صورت را محاسبه میکند.
مرحله 1: تصویر رنگ اصلی را در نظر بگیرید
مرحله 2: تصویر اصلی بر اساس محل چشم ها بریده می شود.
مرحله 3: تصویر بریده شده به یک تصویر سطح خاکستری تبدیل می شود
مرحله 4: لبه های صورت از تصویر سطح خاکستری همانطور که در شکل 1 آورده شده است استخراج می شود.
گام 5: برآورد ارزش بعد فرکتال از لبه های صورت در یک تصویر
مرحله 6: طبقه بندی گروه سنی از تصویر صورت را بر اساس همبستگی بعد فراکتال
در مرحله دوم تصویر اصلی صورت بر اساس محل دو چشم است بریده می شود و در مرحله سوم تصویر به خاکستری تبدیل می شود.
در مرحله چهارم، لبه های تصویر صورت با استفاده از عملگر لبه یابی cany استخراج میشود.
در مرحله پنجم، همبستگی بعد فرکتال محاسبه شده و در نهایت با یک روش کلاس بندی بر اساس بعد فرکتال تصاویر دسته بندی می شوند.
به منظور استخراج ویژگی های تصویر صورت را از یک تصویر رنگی، در روش ارائه شده از فضای رنگ HSV استفاده شده است.
Hue یک ویژگی رنگ است و نشان دهنده رنگ غالب است.
Saturation یک خلوص نسبی یا درجه ای که یک رنگ خالص است را بیان میکند.
فضای رنگی HSV به خاطر استفاده از یک تبدیل غیر خطی توصیف دقیق تری نسبت به فضای رنگ RGB دارد.
در روش ارائه شده از فضای رنگ HSV استفاده شده است چرا که هدف مطالعه حاضر ، طبقه بندی سن انسان به چهار گروه با فاصله 15 سال است.
2.1 محاسبه ارزش بعد فراکتال
فراکتال شیء خود مشابه است.
ذاتا، فرکتال نیز یک درجه از خود تشابهی دارند.
این به این معنی است که بخش کوچکی از یک شیء فراکتال ممکن است به کل شی فراکتال شبیه باشد.
همبستگی بعد فرکتال (FD) از ویژگی های مشخص یک فراکتال است که به عنوان یک معیار شباهت استفاده می شود.
مجموعه داده ای را که خود متشابهی است در محدوده مقیاس [R1، R2] در نظر بگیرید، همبستگی فراکتال دو بعدی D2 ، برای این محدوده مانند معادله 1 محاسبه می شود.
که در آن Sr,i مجموع مربع پیکسل در سلول i ام زمانی که فضای اصلی به سلول هایی به طول طول R تقسیم شده است.
الگوریتم برای محاسبه همبستگی ابعاد فراکتال در الگوریتم 1 نشان داده شده است.
الگوریتم برای کلاس بندی ابعاد فراکتال در الگوریتم 2 نشان داده شده است.
توضیح کد (program.m)
clc;
clear all
close all;
تمام پنجره های باز در نرم افزار متلب بسته شده و محیط command window پاک شده و نرم افزار برای نوشتن برنامه جدید آماده می شود.
input_image = imread(‘6.jpg’);
input_image = imresize(input_image,[200 200]);
subplot(2,2,1);
imshow(input_image);
title(‘input image’);
تصویر ورودی که قرار است محدوده سنش تشخیص داده شود خوانده شده و در input_image ذخیره می شود.
سپس اندازه این تصویر به 200*200 پیکسل تغییر داده می شود و در پنجرهایی که برای خروجی در نظر گرفته شده است نمایش داده می شود.
در اینجا فقط نمونه ای از توضیح کد متلب را آوردیم.
برای تهیه شبیه سازی باید این محصول خریداری شود.
نمونه ای از خروجی برنامه متلب:
اگر تصویر زیر به عنوان ورودی به برنامه داده شود:
خروجی آن به صورت زیر است:
****************************************************************
The range of age
15 – 0
کلیدواژه:
Age Group classification, Correlation Fractal Dimension, facialimage, canny edge, facial edge image, cross validation
,پروژه متلب,شبیه سازی با متلب,matlab project,پروژه های matlab,
شبیه سازی
A Comparative Study of Fractal Dimension Based Age Group Classification of Facial Images with Different Testing Strategies
به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،.
با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.