5 KẾT QUẢ MÔ PHỎNG
2.5 Một ví dụ về việc chia ảnh khuôn mặt thành nhiều ảnh nhỏ hình bình hành
[44]
ảnh nhỏ được trích đặc trưng bằng phương pháp two-directional two-dimensional PCA ((2D)2PCA) và các vector đặc trưng này được phân loại dựa vào bộ phân lớp mờ. Tiếp theo, một quy tắc về cực đại mối quan hệ giữa các ảnh nhỏ được sử dụng để nhận dạng ảnh đầu vào. Phương pháp này đơn giản nhưng không đưa ra cách chọn kích thước tối ưu cho các ảnh nhỏ và phụ thuộc chủ quan vào tác giả. Phương pháp [44] lại sử dụng cách chia nhỏ ảnh khuôn mặt thành các hình bình hành như hình 2.5. Phương pháp Dual-tree Complex Wavelet Transform (DT-CWT) được sử dụng để trích đặc trưng của ảnh nhỏ này, kết hợp cùng bộ phân loại NN để phân lớp ảnh đầu vào. Tuy nhiên tác giả không nêu lý do chọn chia ảnh thành các hình bình hành và đưa ra kích thước tối ưu cho các ảnh nhỏ. Đây là yếu tố chủ quan và khó áp dụng trong các ứng dụng rộng rãi.
Local Binary Pattern (LBP) cũng là một phương pháp trích đặc trưng thường được sử dụng trong các phương pháp nhận dạng khuôn mặt. Phương pháp LBP sẽ biểu diễn một pixel thành một con số biểu diễn mối quan hệ mức xám pixel đó với các pixel xung quanh và các số này được kết hợp để tạo thành vector đặc trưng của ảnh. Phương pháp [45] sẽ chia nhỏ ảnh thành 15 ảnh nhỏ như hình 2.7 và sử dụng phương pháp LBP để trích đặc trưng từ các ảnh nhỏ này. Phương sai của khoảng cách Chi-square giữa 15 cặp ảnh nhỏ được sử dụng như khoảng cách giữa một cặp ảnh và bộ phân loại NN được dùng để phân lớp. Phương pháp này đơn giản và có tỷ lệ nhận dạng khá tốt. Phương pháp [46] đề xuất một cách chia nhỏ ảnh gọi là cấu trúc Grid tree như hình 2.8. Vector đặc trưng của các ảnh nhỏ được trích ra bằng cách sử dụng phương pháp LBP và kết hợp với nhau để