Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/323
Title: En Yakın Komşu Ayrışım Analizi Kullanarak Gabor Öznitelikleri Tabanlı Yüz Tanıma
Other Titles: Gabor Feature Based Face Recognition Using Nearest Neighbor Discriminant Analysis
Authors: Gökmen, Muhittin
Kırtaç, Kadir
Bilgisayar Mühendisliği
Computer Engineering
Keywords: Yüz Tanıma
Özyüzler
Fisher yüzleri
Gabor Süzgeçleri
En Yakın Komşu Ayrışım Analizi
Face Recognition
Eigenfaces
Fisherfaces
Gabor filters
Nearest Neighbor Discriminant Analysis
Issue Date: 7-Jul-2008
Publisher: Fen Bilimleri Enstitüsü
Institute of Science and Technology
Abstract: Yüz tanımada en başarılı yaklaşımlardan birisi Gabor öznitelikleri tabanlı yaklaşımdır. Gabor süzgeçlerinin önemi, çekirdeklerinin memelilerin görme sinirlerindeki iki boyutlu kortikal hücre profillerine oldukça benzemesi ve önemli ölçüde uzaysal lokalite, uzaysal frekans ve yönelim seçilimi sunmasıdır. İki boyutlu görüntülerin Gabor süzgeçleri ile elde edilen temsillerinin aydınlanma ve yüz ifadeleri değişimlerine karşı dayanıklı oldukları bir çok çalışmada gösterilmiştir. Bu tez çalışmasında, literatürdeki bazı önemli Gabor öznitelikleri tabanlı yöntemler incelenmekte ve Gabor+NNDA adında yeni bir Gabor öznitelikleri tabanlı yöntem önerilmektedir. Önerilen yöntemde, yüz görüntülerine bütünsel olarak Gabor süzgeçlerinin uygulanması ile elde edilen artırılmış Gabor öznitelik vektörlerine En Yakın Komşu Ayrışım Analizi uygulanmaktadır. Artırılmış Gabor öznitelik vektörü, yüz görüntüsüne farklı ölçek ve yönelimlerde Gabor süzgeçleri uygulanmasıyla elde edilen konvolusyon çıktılarının birleştirilmesiyle elde edilmektedir. Önerilen yöntemin uygunluğu, yöntemin çıkış noktası olan En Yakın Komşu Ayrışım Analizi yöntemi ile Yale veri kümesi üzerindeki karşılaştırması ile gösterilmektedir. Ayrıca yöntemin etkinliği, yöntemin standart yöntemler olan “Gabor ve Fisher yüzleri birleşimi” ve “Gabor ve Özyüzler birleşimi” yöntemleri ile, FERET veri kümesinin aydınlanma ve yüz ifadesi değişimleri içeren 200 sınıflı bir altkümesi üzerinde performans karşılaştırmaları yapılarak gösterilmektedir. FERET veri kümesi üzerinde elde edilen yüzde 98’lik tanıma başarımı önerilen yöntemin etkinliğini göstermektedir.
One of the successful approaches in face recognition is the Gabor feature based approach. The importance of the Gabor filters lie under the fact that the kernels are similar to the 2-D receptive field profiles of the mammalian cortical cells, offering spatial locality, spatial frequency and orientation selectivity. The Gabor filter representation of facial images were claimed to be robust to illumination and facial expression variations in many works. In this thesis, a brief overview on the state of the art Gabor feature based methods is presented and a new combination of a Gabor feature based method is proposed, Gabor+NNDA. It applies the Nearest Neighbor Discriminant Analysis to the augmented Gabor feature vectors obtained using the Gabor filter representation of facial images. To make use of all the features provided by different Gabor kernels, each kernel output is concatenated to form an augmented Gabor feature vector. The feasibility of the method has been succesfully tested on Yale database by giving a comparison with its predecessor NNDA. The effectiveness of the proposed method is shown by a comparative performance study against standard face recognition methods such as the combination of the Gabor and Eigenfaces method and the combination of the Gabor and Fisherfaces method, using a subset of the FERET database containing a total of 600 facial images of 200 subjects exhibiting both illumination and facial expression variations. The achieved 98 percent recognition rate in the FERET test shows the efficiency of the proposed method.
Description: Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2008
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2008
URI: http://hdl.handle.net/11527/323
Appears in Collections:Bilgisayar Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
8572.pdf1.55 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.