روش ريخت شناسي مقياس خاكستري و بدون ناظر براي سنتز چهره انسان مبتني بر تصوير نمونه

A Nonlinear Grayscale Morphological and Unsupervised method for Human Facial Synthesis Based on an Example Image

توليد چهره انسان از تصوير نمونه به عنوان يكي از ملزومات كاربردهاي بيومتريك با هدف شناسايي هويّت اشخاص مورد استفاده قرار مي گيرد. در اين مقاله، توليد چهره شامل سه مرحله اصلي است. در مرحله اول آشكارسازي خطوط معنادار و لبه هاي تصوير نمونه با روش غيرخطي مورفولوژي مقياس خاكستري انجام مي پذيرد. سپس نواحي مو از چهره نمونه، شناسايي مي شود. مرحله نهايي تركيب تصاوير حاصل از مراحل قبل را ارايه مي كند. ميزان شباهت و تطابق بين طرحِ چهره ساخته شده و طرحِ هنري، با دو روش استخراج ويژگي، واكاوي مؤلفه هاي اساسي و جداساز خطي، مقايسه شده و مدت زمان اجراي فرآيند محاسبه مي شود. آزمايش ها روي جفت تصاوير پايگاه CUHK نشان مي دهد كه روش پيشنهادي در مقايسه با روش هاي پيشرفته هنري از جمله: تبديلات ويژه، LLE و MRF ، پيچيدگي محاسباتي ندارد و چهره فرد را با كيفيت خوب و در زمان خيلي كمتري ايجاد مي كند. تطابق طرح چهره خلق شده با اين روش، وقتي كه از تحليل جداساز خطي براي استخراج ويژگي استفاده شود، بيشترين مقدار و برابر با 90 درصد بدست مي آيد. همچنين روش پيشنهادي در برابر اثرات پس زمينه و شدت روشنايي تصاوير نمونه مقاوم مي باشد.

Human facial generation of example image is used as a requirement for biometric applications for the purpose of identifying individuals. In this paper, face generation consists of three main steps. In the first step, detection of significant lines and edges of the example image are carried out using nonlinear grayscale morphology. Then, hair areas are identified from the face of sample. The final step combines images from previous steps. Similarity and matching between synthesized face sketch and artistic sketch are compared with two methods of extracting features, Principle Component Analysis and Linear Discriminant Analysis, and time of the process is calculated. The experiments on the pair of CUHK database images show that the proposed method compared with state of the art methods such as: Eigen transformation, LLE, and MRF, has no computational complexity and creates a person's face with good quality and much less time. Matching of synthesized face sketch of the proposed method is achieved with a maximum value of 90% when Linear Discriminant Analysis is used to extract feature. The proposed method is also resistant to background effects and brightness of example images.