تبریز: دانشگاهتبریز، دانشکده مهندسی برق و کامپیوتر ،گروه مخابرات
مشخصات ظاهری
نام خاص و کميت اثر
۹۹ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به مندرجات
متن يادداشت
فاقد اطلاعات کامل
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مهندسی برق - مخابرات - سیستم
زمان اعطا مدرک
۱۳۸۵/۰۵/۰۷
کسي که مدرک را اعطا کرده
تبریز: دانشگاهتبریز، دانشکده مهندسی برق و کامپیوتر ،گروه مخابرات
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
ویژگی رنگ، مشخصه مفیدی برای یافتن چهره در تصویرهای رنگی است .نخستین گام برای آشکارسازی چهره با استفاده از ویژگی رنگ، تعیین ناحیههای پوستی است که برای این منظور میبایست مدلی از ویژگی رنگ پوست، ایجاد کرد که بر پایه آن بتوان ناحیههای پوستی را از سایر بخشهای تصویر جدا نمود .در این پایاننامه، ۱۳۷۳۱ نمونه رنگ پوست از تصاویر پایگاه دادههای مختلف، گردآوری شده و به فضای رنگ YCbCr نگاشته شدهاند .این نمونهها با استفاده از روشmeans - Kبه سه خوشه، تقسیم شدهاند .برای هر خوشه، ماتریس همپراشی و بردار میانگین به دست آمده است و با توجه به آنها، ترکیبی از سه تابع چگالی احتمال گوسی بیضوی برای مدلسازی پخش نمونههای رنگ پوست، پیشنهاد شده است .با پیادهسازی این توزیع بر روی مولفههای رنگ هر پیکسل از تصویر ورودی، عددی میان صفر و یک برای هر پیکسل به دست میآید که احتمال اینکه پیکسل مذکور، یک پیکسل پوستی باشد را تعیین میکند .تصویر ایجاد شده در این مرحله، تصویر SPM نام دارد .با استفاده از روشی پیشنهادی بر پایه مفهوم منحنی تراز، ناحیههای پوستی از تصویر SPM استخراج و ناحیههای نامزد چهره ایجاد میشوند .پس از آن برای تایید ناحیههای نامزد چهره از دستهبندیکننده BDF استفاده شده است و نتایج بر روی پایگاه دادههای ایجاد شده توسط نگارنده و پایگاه دادههای IFD و CBCL ، آزموده شده است .بهترین نتایج بر پایه نرخ تشخیص درست برای پایگاه دادههای IFD به دست آمده است که این نرخ برابر است با ۹۶ و پس از آن بهترین نتیجه متعلق به پایگاه دادههای دانشگاه تبریز و برابر با ۹۲ است .نتایج نشان میدهند که اگرچه استفاده از ویژگی رنگ پوست، سبب کاهش حجم و زمان محاسبات میشود، ولی نرخ تشخیص درست را نیز کاهش می دهد
متن يادداشت
means algorithm. For each cluster, the mean vector and the covariance matrix are calculated and based on these calculations, a mixture of three elliptical Gaussian functions as a PDF for the skin color distribution, is proposed. By applying this function on the chrominance components of the pixels of the input image, a value between zero and one is assigned to each pixel which finally results in an SPM image. In the next stage, an approach based on contour plots is proposed for extracting the skin regions from the SPM image. The extracted regions are face candidates. In the last stage, Bayesian discriminating features method is utilized for verification of the face candidates. The algorithm of face detection based on the proposed technique has been tested on different databases such as University of tabriz, provided by author, CBCL and IFD. The best results in terms of detection rate have been achieved by IFD database, that is ۹۶ and the second best achieved for University of Tabriz database which is ۹۲ . The results show that although using skin color properties decreases the running time of the algorithm, on the other hand, it decreases the detection rate.-based face detection methods. In these methods, specifying of skin color regions is the first step to face detection, which is usually accomplished by skin color modeling. The goal of the skin color modeling is to think of a metric in which the skin regions are extracted from the original image. In this thesis, ۱۳۷۳۱ skin color samples have been gathered from the different databases and then, mapped in YCbCr color space. Afterwards the luminance components of the mapped samples are discarded and the samples that containing only chrominance components, have been divided into three clusters by means of K- Abstract: Skin Color is a useful property in color
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
K-means Algorithm
موضوع مستند نشده
Skin color modeling
موضوع مستند نشده
contour plot
موضوع مستند نشده
Bayesian decision rule
موضوع مستند نشده
BDF classifier
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )