Primerjava postopkov svetlobnega normiranja za samodejno razpoznavanje obrazovPASTORČIČ, DINO (Avtor) Štruc, Vitomir (Mentor) razširjena Yale B zbirka obrazovsvetlobno normiranje obraznih področijhistogramska izravnavaretinex algoritemTan in Triggs normiranjeanizotropna difuzijska metodametoda Weberjevih obrazovsamo-kvocientna slika.Razpoznavanje človeških obrazov se je v zadnjih letih pokazalo za eno od najpomembnejših področji analize slik. Sodobni sistemi razpoznavanja obrazov so sposobni identificirati in preveriti identiteto oseb na podlagi slik ali video posnetkov, pridobljenih iz digitalnih virov. Danes se sistemi za razpoznavanje obrazov uporabljajo v številnih aplikacijah na področju varnosti in zgodnje detekcije potencialnih osumljencev. Vse več pa se tovrstni sistemi uporabljajo na velikih javnih površinah, kot so letališča, nogometni stadioni, kjer lahko izkoriščamo ključno prednost sistemov, in sicer, da ne potrebujejo aktivnega sodelovanje opazovane osebe. Med glavne težave v uspešni implementaciji sistemov razpoznavanja obraza so spremembe osvetlitvenih pogojih in spremembe v položaju obraza opazovane osebe glede na kot kamere. Aldini et al. so v svojem delu dokazali, da so razlike med slikami istega obraza zaradi sprememb jakosti in kota osvetlitve pogosto večje kot razlike med slikami različnih obrazov [1]. V našem delu smo se odločili teoretično predstaviti, analizirati in primerjati metode svetlobnega normiranja in njihovo učinkovitost pri uporabi v sistemih za razpoznavanje obrazov. V ta namen smo uporabili pet različnih postopkov svetlobnega normiranja slik in jih implementirali na razširjeni Yale B zbirki obrazov. Uporabljene metode so retinex algoritem (angl. Single scale retinex algorithm), metoda samo-kvocientne slike (angl. Single scale self quotient image), anizotropna difuzijska metoda svetlobnega normiranja (angl. Anisotropic diffusion based normalization technique), svetlobno normiranje, zasnovano na Weberjevih obrazih (angl. Single scale Weberfaces normalization technique) in Tan in Triggs metoda svetlobnega normiranja (angl. Tan and Triggs normalization technique). Preizkusili smo tudi metodo ojačenja kontrasta, ki temelji na izravnavi histograma (angl. Histogram equalization), in njen vpliv na algoritme svetlobnega normiranja. Uspešnost metod smo ocenili z uporabo linearne diskriminantne analize (angl. Linear discriminant analysis, LDA). Uspešnost delovanja biometričnega sistema smo ocenili v identifikacijskem in verifikacijskem načinu delovanja. Rezultati so predstavljeni v obliki rang 1 rezultatov identifikacije in krivulj karakteristike delovanja sprejemnika (angl. Receiver operating characteristic curve) ter z deležem lažnih pozitivnih primerov (FAR 1 % in 0,1 %) v verifikacijskem načinu delovanja. Algoritmi so implementirani v Matlab programskemu okolju z uporabo INFace in PhD programskih orodji, razvitih v Laboratoriju za umetno zaznavanje, sisteme in kibernetiko Fakultete za elektrotehniko Univerze v Ljubljani.20162016-07-01 07:40:01Diplomsko delo83818sl