Please use this identifier to cite or link to this item: http://nuir.lib.nu.ac.th/dspace/handle/123456789/3101
Title: การปรับปรุงเทคนิคการวิเคราะห์องค์ประกอบหลักสำหรับการรู้จำใบหน้า
Modified Principal Component Analysis for Face Recognition
Authors: KANGSADAN HANCHERNGCHAI
กังสดาล หาญเชิงชัย
Jaratsri Rungrattanaubol
จรัสศรี รุ่งรัตนาอุบล
Naresuan University. Faculty of Science
Keywords: เมทริกซ์ระดับภูมิภาค
เทคนิค ELSSP
การวิเคราะห์องค์ประกอบหลัก
การวิเคราะห์องค์ประกอบหลักแบบสองมิติ (2DPCA)
การรู้จำใบหน้า
Regional Matrix
ELSSP Conversion
Principal Component Analysis
Two-dimensional PCA (2DPCA)
Face Recognition
Issue Date: 2564
Publisher: Naresuan University
Abstract: Two-dimensional principal component analysis (2DPCA) is widely used in many applications, especially, face recognition. A key factor to improve the performance of the 2DPCA method comes from the efficiency of the covariance matrix. In this thesis believes that effective eigenvector can be extracted when the effective covariance matrix is given. The contribution of this thesis consists of two case parts including 1) Modify 2DPCA method for face recognition under the illumination effect using individual local mean, which replaces a single mean in 2DPCA method. The individual local mean can provide a more appropriate means to each image, which can reduce the illumination effect effectively. Therefore, using individual local mean is especially suited for images that are affected by the illumination effect. 2) Modify 2DPCA method for face recognition. The Improved of this consists of two main parts including (1) regional matrix calculation for computing the two-directional correlations and (2) ELSSP conversion for extracting the effective representation of the covariance matrix. The experimental results show that the performance of the proposed method is higher than the baseline methods including 2DPCA, I-2DPCA, Bi2DPCA and 2D2PCA methods on a basis of three well-known datasets–ORL Face, Yale Face, and Yale Face B+.
การวิเคราะห์องค์ประกอบหลักแบบสองมิติ (2DPCA) ถูกใช้อย่างแพร่หลายในหลาย ๆ แอปพลิเคชันโดยเฉพาะการจดจำใบหน้า ปัจจัยสำคัญในการปรับปรุงประสิทธิภาพของวิธี 2DPCA นั้นมาจากประสิทธิภาพของเมทริกซ์ความแปรปรวนร่วม ในวิทยานิพนธ์นี้เชื่อว่า ไอเกนเวกเตอร์ (eigenvector) ที่มีประสิทธิภาพสามารถสกัดได้จากเมทริกซ์ความแปรปรวนร่วมที่มีประสิทธิภาพ วิทยานิพนธ์ฉบับนี้จึงเสนอให้การหาไอเกนเวกเตอร์อย่างมีประสิทธิภาพ โดยทำการปรับปรุงวิธีการ 2DPCA สำหรับการรู้จำใบหน้า 2 แบบ 1) ปรับปรุงวิธีการ 2DPCA สำหรับการรู้จำใบหน้าภายใต้ผลกระทบจากการส่องสว่างของแสง โดยใช้ค่าเฉลี่ยแบบเฉพาะถิ่นแทนการใช้ค่าเฉลี่ยเพียงตัวเดียวเพื่อกำจัดแสงเงาของแต่ละรูปภาพ เนื่องจากแต่ละรูปภาพได้รับผลกระทบจากการส่องสว่างของแสงไม่เท่ากัน ดังนั้นการใช้ค่าเฉลี่ยแบบเฉพาะถิ่นจึงเหมาะสมสำหรับรูปภาพที่ได้รับผลกระทบจากการส่องสว่างของแสง 2) ปรับปรุงวิธีการ 2DPCA สำหรับการรู้จำใบหน้าที่มีรูปแบบที่หลากหลายให้มีประสิทธิภาพมากขึ้น โดยทำการปรับปรุง 2 ส่วนได้แก่ (1) การคำนวณเมทริกซ์ระดับภูมิภาคสำหรับการคำนวณหาความสัมพันธ์สองทิศทางและ (2) การแปลงโดยใช้เทคนิค ELSSP สำหรับการคำนวณหาตัวแทนของเมทริกซ์ความแปรปรวนร่วมที่มีประสิทธิภาพ และผลการทดลองแสดงให้เห็นว่าประสิทธิภาพของวิธีการที่เสนอนั้นสูงกว่าวิธีการพื้นฐาน ได้แก่ 2DPCA I-2DPCA Bi2DPCA และวิธี 2D2PCA บนพื้นฐานของสามชุดข้อมูลที่รู้จักกันดี - ORL Face, Yale Face และ Yale Face B+
Description: Master of Science (M.S.)
วิทยาศาสตรมหาบัณฑิต (วท.ม.)
URI: http://nuir.lib.nu.ac.th/dspace/handle/123456789/3101
Appears in Collections:คณะวิทยาศาสตร์

Files in This Item:
File Description SizeFormat 
61060355.pdf4.72 MBAdobe PDFView/Open


Items in NU Digital Repository are protected by copyright, with all rights reserved, unless otherwise indicated.