روشی برای تشخیص زاویه نورپردازی در تصاویر چهره مبتنی بر الگوریتم‌های توسعه ‌یافته بیز

تغییرات نور یکی از مشکلات اصلی در سیستمهای تشخیص چهره است. عدم وجود دانش کافی در مورد منبع نور و زاویه تابش، مانع از ارائه راه حلی مناسب برای کاهش اثرات نور میشود. در این مقاله یادگیری کلاس های نوری به عنوان راه حلی برای تشخیص زاویه نور پردازی در تصاویر چهره پیشنهاد شده است. بیزین ساده یک الگوریتم یادگیری ساده، مؤثر و کارا برای کاربردهای طبقهبندی است. اما فرض استقلال شرطی بیزین ساده، در بسیاری موارد باعث کاهش دقت آن میشود. روشهای مختلفی برای حل مشکل بیزین ساده ارائه شدهاند. در این مقاله برای یادگیری کلاسهای نوری از روش بیزین ساده و چهار الگوریتم توسعه یافته مبتنی بر بیز: شبکه بیزین ، WAODE ،(Averaged One-Dependence Estimators) AODE (Weightily AODE) و(Hidden Naive Bayes) HNB استفاده شده است. برای ارزیابی الگوریتم ها از پایگاه تصویری ،YaleB شامل تغییرات زاویه نورپردازی از صفر تا ١٥٠ درجه، استفاده شده است. نتایج بدست آمده نشان می دهد که بهترین الگوریتم برای تفکیک کلاس های نوری، طبقه بند WAODE با کارآیی ٩٢,٧٤ % است.