5 KẾT QUẢ MÔ PHỎNG
2.12 Bộ lọc Gabor để tạo thêm ảnh ảo kết hợp cùng phương pháp 2DPCA để
trích đặc trưng ảnh khuôn mặt [60]
Phương pháp [58] dựa vào biến đổi Wavelet và biến đổi Curvelet với các mức khác nhau về thông tin cạnh để tạo ra thêm các ảnh ảo từ ảnh gốc. Phương pháp PCA được sử dụng để trích vector đặc trưng. Ảnh kiểm tra cũng được tạo thêm các ảnh ảo bằng phương pháp tương tự. Bộ phân loại NN được dùng để phân lớp dựa trên chỉ số khoảng cách giữa các vector đặc trưng từ ảnh ảo và ảnh gốc. Phương pháp cho kết quả nhận dạng tốt trong các điều kiện ánh sáng khác nhau vì sử dụng thông tin về cạnh để tạo ra ảnh ảo. Tuy nhiên việc tạo ra ảnh ảo là tương đối phức tạp. Phương pháp [59] đưa ra cách tạo ảnh ảo bằng cách xoay ảnh gốc với các góc khác nhau. Các ảnh sau đó sẽ được trích đặc trưng bằng phương pháp Wavelet và phân lớp bằng bộ NN. Tuy nhiên, các kết quả trong nghiên cứu [59] không được so sánh với các nghiên cứu khác.
Phương pháp [60] đề xuất một phương pháp tạo ảnh ảo bằng cách áp dụng bộ lọc Gabor với các góc khác nhau. Ảnh gốc và các ảnh ảo của các lớp sẽ tạo thành các tập dữ liệu khác nhau và phương pháp 2D-PCA được sử dụng để trích đặc trưng ảnh khuôn mặt dựa trên các tập dữ liệu này như hình 2.12. Bộ phân loại NN được dùng để phân lớp vector đặc trưng trên các tập dữ liệu này và một chỉ số đánh giá dựa trên sự kết hợp các bộ phân loại NN lại với nhau được dùng để nhận dạng ảnh đầu vào. Phương pháp này cho kết quả nhận dạng tương đối tốt nhưng việc sử dụng vector đặc trưng có số chiều lớn kéo theo thời gian tính toán tăng. Phương pháp [61] đề xuất việc tạo ra ảnh ảo bằng cách dịch và xoay ảnh gốc. Ảnh gốc và ảnh ảo sau đó sẽ được chia nhỏ thành các thành phần không chồng lấp và được trích đặc trưng bằng phương pháp 2D-PCA . Bộ phân loại NN được dùng để phân lớp các vector đặc trưng. Phương pháp này cho kết quả nhận dạng tốt trong điều kiện góc chụp khác nhau của khuôn mặt nhưng việc tạo ảnh ảo là tương đối phức tạp.