5 KẾT QUẢ MÔ PHỎNG
2.14 Phương pháp tạo ảnh ảo bằng cách lấy trung bình cộng về độ sáng của ha
nửa ảnh khuôn mặt [68]
được trích đặc trưng bằng phương pháp MSD. Phép đo đưa trên khoảng cách giữa tất cả các vector đặc trưng của ảnh gốc và ảnh ảo được dùng như là một vector đặc trưng của ảnh đầu vào và được phân lớp bằng bộ NN. Phương pháp [67] đề xuất một cách tạo ra ảnh ảo gần đúng với thực tế hơn là việc lấy trung bình các đối xứng của ảnh gốc. Bộ phân loại hồi quy tuyến tính (Linear Regression Classification – LRC) được dùng để trích đặc trưng ảnh và bộ phân loại NN được dùng để phân lớp ảnh đầu vào. Tuy các ảnh ảo trong phương pháp [67] có chất lượng tốt nhưng tỷ lệ nhận dạng của phương pháp này không thật sự tốt. Phương pháp [68] đề xuất một phương pháp tạo ảnh mới với mục tiêu giảm thiểu sai số về độ sáng giữa hai nửa khuôn mặt như hình 2.14. Phương pháp SRC được sử dụng để trích đặc trưng các ảnh và bộ phân loại NN được dùng để phân lớp vector đặc trưng. Phương pháp nhận dạng này bền vững với các điều kiện ánh sáng khác nhau của ảnh đầu vào.
Việc tạo ra thêm các ảnh ảo sẽ mang lại lợi ích là tăng số lượng mẫu cho cùng một lớp và dẫn đến việc có thể áp dụng các phương pháp nhận dạng khuôn mặt trong điều kiện có nhiều mẫu cho một lớp để giải quyết bài toán SSPP. Tuy nhiên các phương pháp nhận dạng khuôn mặt dựa trên việc tạo ra thêm các ảnh ảo cũng có rất nhiều nhược điểm. Đầu tiên, việc có thêm các ảnh ảo sẽ làm gia tăng đáng kể dung lượng lưu trữ của hệ thống, làm mất đi ưu điểm của việc nhận dạng khuôn mặt trong điều kiện SSPP. Bên cạnh đó, các ảnh ảo được tạo ra nhìn chung có sự tương quan rất cao với ảnh gốc. Điều này đồng nghĩa với việc không có thêm các thông tin giúp phân biệt giữa các lớp.