پردازش تصاویر پزشکی
امین محمدیان؛ حسن آقائینیا؛ فرزاد توحیدخواه
دوره 6، شماره 3 ، آذر 1391، ، صفحه 207-218
چکیده
در این مقاله، روشی مبتنی بر دانش اولیه از شخص جدید با هدف افزایش قدرت تعمیمدهی سیستم بازشناسی جلوههای هیجانی چهره پیشنهاد شده است. به منظور بازشناسی مناسب، ترکیبی از ویژگیهای هندسی و توصیفگرهای بافت چهره استفاده شد. این ویژگیها با ویژگیهای کلنگر(تحلیل مؤلفههای مستقل هسته-محور تصویر چهره و خودِ تصویر چهره) مقایسه شدند. ...
بیشتر
در این مقاله، روشی مبتنی بر دانش اولیه از شخص جدید با هدف افزایش قدرت تعمیمدهی سیستم بازشناسی جلوههای هیجانی چهره پیشنهاد شده است. به منظور بازشناسی مناسب، ترکیبی از ویژگیهای هندسی و توصیفگرهای بافت چهره استفاده شد. این ویژگیها با ویژگیهای کلنگر(تحلیل مؤلفههای مستقل هسته-محور تصویر چهره و خودِ تصویر چهره) مقایسه شدند. برای تحلیل ویژگیهای پیشنهادی، حساسیت نرخ بازشناسی آنها نسبت به تغییر نویز و تغییرات بین فردی بررسی شد. نتایج نشان داد با وابسته کردن سیستم به شخص بروز دهنده میتوان نرخ بازشناسی را تا 96% افزایش داد که این نتیجه مربوط به ویژگیهای کلنگر است. بعلاوه روش کلنگر تحلیل مؤلفههای مستقل هسته- محور در مقایسه با دیگر ویژگیها نسبت به تغییرات بین فردی حساسیت بیشتری داشته است. بر اساس دانش محدود از فرد جدید نمونههای مجازی تولید و برای تقویت یادگیری سیستم بازشناسی استفاده شد. نتیجه بازشناسی مستقل از فرد این روش در مقایسه با روش پایه بهصورت معنیداری (P<0.05) بهبود داشته و مقدار صحت تشخیص آن 91.39% است.