هومن کاشانیان - دانشکده برق و رایانه، دانشگاه آزاد اسلامی واحد فردوس
عالیه معصومی فرد - دانشکده برق و رایانه، دانشگاه آزاد اسلامی واحد فردوس
هانیه حسینی - دانشکده برق و رایانه، دانشگاه آزاد اسلامی واحد فردوس
حمیدرضا غفاری - دانشکده برق و رایانه، دانشگاه آزاد اسلامی واحد فردوس

توجه به اهمیت تشخیص چشم در فرآیند - تشخیص چهره در پردازش تصویر بر آن شدیم تا روشی ارائه دهیم که در راستای بهبود تشخیص چشم موثر باشد. در این مدل از الگوریتمهای BPSO ، SSVM و موجک هاراستفاده کردهایم. در فرآیند ارزیابی، افزایش ویژگیها ضمانتی بر دقت دستهبندی ندارد، به دلیل اینکه افزایش یکسری از ویژگیها باعث کاهش دقت دستهبندی میشود. با استفاده از تابع ارزیاب BPSO ، ویژگیهایی که باعث کاهش دقت میشوند، حذف و ویژگیهایی که باعث افزایش دقت میشوند را انتخاب میکنیم. آزمایشات بر روی پایگاه داده BioID نشان میدهد که (i) BPSO برای مشکل انتخاب ویژگی چشم قابلیت امید بخشی را ارائه میدهد. (ii) روش پیشنهادی در زمان تقریبا واقعی، سرعت و عملکرد بهتری نسبت به روشهای پیشین دارد

الگوریتم - BPSO ، تشخیص چشم، طبقه بند SSVM ، موجک هار