5 KẾT QUẢ MÔ PHỎNG
2.13 Phương pháp tạo ảnh ảo giảm sự chênh lệch độ sáng ở hai nửa ảnh khuôn
mặt [65]
ảnh về mức xám trung bình. Điều này làm giảm bớt sự khác nhau giữa ảnh mẫu và ảnh kiểm tra. Ảnh gốc và ảnh ảo sẽ tạo thành hai tập riêng biệt và ảnh kiểm tra sẽ được trích đặc trưng bằng phương pháp CRC trên hai tập này. Sai lệch giữa hai vector đặc trưng sẽ được phân lớp bởi bộ NN. Phương pháp này cho kết quả nhận dạng rất tốt trong các điều kiện ánh sáng khác nhau của ảnh đầu vào vì việc chuẩn hóa mức xám sẽ làm giảm sự ảnh hưởng của các điều kiện ánh sáng. Cũng sử dụng phương pháp CRC để trích đặc trưng trên tập ảnh gốc và tập ảnh ảo như phương pháp [62], nhưng phương pháp [63] đề xuất một cách tạo ảnh ảo khác bằng cách lấy đối xứng trái và đối xứng phải của ảnh gốc. Phương pháp [64] cũng tạo ra thêm ảnh ảo bằng cách lấy đối xứng trái và đối xứng phải của ảnh gốc. Phương pháp CRC được sử dụng để trích đặc trưng ảnh trên các tập ảnh gốc và ảnh ảo. Các vector đặc trưng này sau đó được tổ hợp lại với nhau nhưng với trọng số cao hơn cho vector trích trên tập ảnh gốc. Bộ phân loại NN được sử dụng để phân lớp vector tổ hợp này. Phương pháp [65] đề xuất một cách tạo ảnh ảo mới dựa trên việc giảm thiểu sự khác nhau về mức xám giữa hai nửa ảnh khuôn mặt. Trong phương pháp này, hai nửa ảnh khuôn mặt sẽ được điều chỉnh mức xám qua nhiều vòng lặp với mục tiêu tối thiểu sai số về mức xám giữa hai nửa ảnh khuôn mặt như hình 2.13. Phương pháp SRC được dùng để trích vector đặc trưng của ảnh và các vector được phân loại bằng bộ NN. Ưu điểm của phương pháp này là tỷ lệ nhận dạng khá tốt trong nhiều điều kiện ánh sáng khác nhau của ảnh đầu vào. Tuy nhiên việc tạo ra ảnh ảo là tương đối phức tạp cũng như thuật toán tạo ảnh ảo cũng chưa chắc luôn hội tụ.
Phương pháp [66] đề xuất việc tạo ra ảnh ảo bằng cách lấy các đối xứng của ảnh gốc và áp dụng phương pháp trích đặc trưng trong điều kiện đa mẫu MSD để trích đặc trưng các ảnh. Ảnh kiểm tra cũng được tạo ra thêm các ảnh ảo bằng cách tương tự và cũng