filtros de correlación se han aplicado con éxito para el reconocimiento automático de objetivos (ATR) problemas. El filtro de correlación más básico es el filtro espacial adaptado (MSF), cuya respuesta al impulso (en 2-D, función de dispersión de punto) es la versión invertida de la imagen de referencia. Mientras que el MSF se desempeña bien en la detección de una imagen de referencia corrompida por ruido aditivo blanco, no da buenos resultados cuando aparece la imagen de referencia con distorsiones (por ejemplo, rotaciones, cambios de escala). Por lo tanto será necesaria una MSF para detectar cada aparición de un objeto. Es evidente que esto es computacionalmente poco atractivo para el reconocimiento práctico de patrón. Hester y Casasent abordan este reto con la introducción de la función discriminante (SDF) Filtro sintético. El filtro SDF es una combinación lineal de MSFS donde se eligen los pesos combinados de manera que las salidas de correlación correspondientes a las imágenes de entrenamiento producirían valores predefinidos en el origen. Estos valores máximos especificados previamente se hace referencia a las limitaciones como pico a menudo. Los valores máximos correspondientes a los authentics (también llamados la clase verdadera) se establecen normalmente a 1, y por lo tanto este filtro SDF era conocido como el filtro SDF pico de correlación igual (ECP). En principio, un solo filtro SDF ECP podría sustituir muchas FS. Reconocimiento de objetos se realiza mediante correlación cruzada de una imagen de entrada con una plantilla o un filtro sintetizado y procesar la salida de correlación resultante. La salida de correlación se busca picos, y las alturas relativas de estos picos se utilizan para determinar si el objeto de interés está presente o no. Las localizaciones de los picos indican la posición de los objetos.
Verificación de la cara es una herramienta importante para la autenticación de un individuo y que puede ser de gran valor en aplicaciones de seguridad y de comercio electrónico. Hemos desarrollado una aplicación efectiva de los filtros de correlación para la verificación de la cara. El rendimiento de un tipo específico de filtro de correlación llamado el filtro mínima energía de correlación promedio (MACE) se evaluó utilizando la expresión facial de base de datos recogidos en el Multimedia Procesamiento Laboratorio Avanzado en la Universidad Carnegie Mellon (CMU).
Índice Términos:. Matlab, fuente, código, cara, de identificación, autenticación, de reconocimiento, de correlación, filtros, filtros, Maza
Requisitos :
Matlab
Comentarios que no se encuentran