filtres de corrélation ont été appliquées avec succès à la reconnaissance automatique des cibles (ATR) problèmes. Le filtre le plus élémentaire de corrélation est le filtre adapté spatial (MSF), dont la réponse impulsionnelle (en 2-D, fonction d'étalement du point) est la version inversée de l'image de référence. Alors que le MSF effectue ainsi à détecter une image de référence corrompu par un bruit blanc additif, il fonctionne mal lorsque l'image de référence apparaît avec distorsions (par exemple, rotations, changements d'échelle). Ainsi, on MSF sera nécessaire pour détecter chaque apparition d'un objet. Il se agit clairement de calcul peu attrayant pour la reconnaissance des formes pratiques. Hester et Casasent relevé ce défi avec l'introduction de la fonction discriminante (SDF) filtre synthétique. Le filtre de SDF est une combinaison linéaire des ESSM où les pondérations de combinaison sont choisis de sorte que les sorties de corrélation correspondant aux images d'apprentissage donneraient des valeurs pré-spécifié à l'origine. Ces valeurs préétablies de pointe sont souvent désignés comme des contraintes de pointe. Les valeurs de crête correspondant aux authentiques (également appelés la vraie classe) sont généralement mis à 1, et donc ce filtre de SDF était connu comme l'égalité de pic de corrélation (ECP) filtre SDF. En principe, un seul filtre de SDF ECP pourrait remplacer de nombreux ESSM. reconnaissance d'objets est effectuée par corrélation croisée d'une image d'entrée avec un gabarit ou d'un filtre de synthèse et de traitement de la sortie de corrélation résultante. La sortie de corrélation est recherchée pour les pics et les hauteurs relatives de ces pics sont utilisées pour déterminer si l'objet d'intérêt est présent ou non. Les emplacements des pics indiquent la position des objets.
la vérification du visage est un outil important pour l'authentification d'un individu et il peut avoir une valeur importante dans les applications de sécurité et de commerce électronique. Nous avons développé une application efficace des filtres de corrélation pour la vérification du visage. La performance d'un type spécifique de filtre de corrélation appelée l'énergie de corrélation moyenne (MACE) filtration minimale est évaluée en utilisant la base de données d'expression du visage recueillies au Laboratoire de traitement multimédia avancée à l'Université Carnegie Mellon (CMU).
Index Conditions:. Matlab, la source, le code, le visage, identification, authentification, reconnaissance, corrélation, filtres, filtres, macis
Exigences :
Matlab
Commentaires non trouvées