ارزيابي و مقايسه چهار روش كاهش بعد ويژگي¬ها براي تشخيص حالت چهره مبتني بر الگوهاي باينري محلي

تشخيص حالت چهره، يك مسئله‌ جالب و چالش‌برانگيز است و در حوزه هاي مختلف، مانند تعامل انسان كامپيوتر و انيميشن مبتني بر داده، تأثيرگذار است. استخراج يك نمايش مؤثر چهره از تصاوير اصلي صورت، يك گام حياتي براي تشخيص موفق حالت چهره است. در اين مقاله، نمايش چهره بر اساس ويژگي‌هاي محلي آماري و الگوهاي باينري محلي ، جهت تشخيص حالت چهره و مستقل از شخص، مورد استفاده قرار مي‌گيرد‌. آزمايشات وسيعي نشان مي‌دهد كه ويژگي‌هاي LBP براي تشخيص حالت چهره، مؤثر و كاراست. روش¬هاي كاهش بعد غيرخطي، در دهه¬هاي اخير مورد توجه محافل علمي قرار گرفته¬اند. با تمركز محققان علم كامپيوتر بر اين مسئله، در چند سال اخير مجموعه¬اي از ابزارها به وجود آمده¬اند كه كاربردهاي آنها در داده كاوي، پردازش تصوير، طبقه بندي، تحليل و نماياندن دادگان رو به افزايش است. در اين ميان يادگيري منيفلد ابزاري قدرتمند براي كاهش بعد غيرخطي دادگان است. يكي از كاربردهاي موفق اين روش ها در تحليل تصاوير است. در اين مقاله چگونگي بكارگيري چهار روش تبديلي كاهش بعد ويژگي¬ها براي تشخيص حالت چهره مورد بررسي قرار مي¬گيرد. اين چهار روش شامل تحليل مولفه¬هاي اساسي، تحليل الگوي متمايز خطي، الگوريتم IsoMap و نهايتا الگوريتم LLE مي¬باشد.