پردازش سیگنال پیشرفته (Nov 2020)
بخش بندی پوست چهره مبتنی بر تصاویر رنگی با استفاده از رویکرد ترکیب نگاشت خودسازمانده و شبکههای عصبی گازی جهت کاربرد در جراحیهای پلاستیک چهره
Abstract
بخشبندی تصویر چهره یک مولفهی ضروری در کاربردهای پردازش تصویر و بینایی کامپیوتر نظیر شناسایی چهره، شناسایی هویت و آنالیز جراحی پلاستیک چهره است. یکی از مهمترین روشهای بخشبندی تصاویر چهره، روشهای مبتنی بر خوشهبندی هستند. نگاشت خودسازمانده (SOM) جزء پرکاربردترین روش مبتنی برشبکههای عصبی در دادهکاوی است. عیب مهمی که الگوریتم SOM استاندارد دارد این است که ضریب یادگیری در آن وفقی نیست. وفقی بودن ضریب یادگیری در بهروزرسانی وزنهای نگاشت خودسازمانده منجر به بهتر شدن عملکرد این الگوریتم خواهد شد. شبکهی عصبی گازی (NGN) یک یادگیری بدون ناظر بوده که ساختار همسایگی در آن وفقی بوده و وزن سیناپسی مستقل از هر گونه تنظیم توپولوژیکی بهروزرسانی میشود. هدف اصلی این پژوهش، ارائهی روش هیبریدی جدید SOMNGN است که در آن بتوان ضریب یادگیری در فاز تطبیق الگوریتم SOM استاندارد را با استفاده از الگوریتم NGN وفقی کرد. همچنین، دو فضای رنگی شامل YCbCr و فضای نگاشت چهره بهعنوان مرحلهی پیشپردازش جهت مدل کردن پوست چهره بهکار گرفته شده است. نتایج بهدست آمده در فضاهای رنگی ذکر شده نشان میدهند که الگوریتم پیشنهادی نسبت به SOM استاندارد دقت بالاتری در آشکارسازی صحیح پیکسلهای پوست چهره دارد.
Keywords