Вісники та науково-технічні збірники, журнали
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12
Browse
Search Results
Item Performance evaluation of Self-Quotient image methods(Видавництво Львівської політехніки, 2020-09-23) Парубочий, В. О.; Шувар, Роман Ярославович; Parubochyi, V. O.; Shuvar, R. Ya.; Львівський національний університет ім. Івана Франка; Ivan Franko National University of LvivНормалізація освітлення є дуже важливою проблемою в системах розпізнавання зображень, оскільки різні умови освітлення можуть істотно змінити результати розпізнавання, а нормалізація освітлення дає змогу мінімізувати негативні наслідки різних умов освітлення. У цій роботі ми оцінюємо ефективність розпізнавання декількох методів нормалізації освітлення, заснованих на методі самооцінювання зображення SQI (англ. Self-Quotient Image method), запровадженому Haitao Wang, Stan Z. Li, Yangsheng Wang, та Jianjun Zhang. Для оцінки ми вибрали оригінальну реалізацію та найперспективніші модифікації оригінального методу SQI, в т.ч. й метод Gabor Quotient ImagE(GQI), запропонований Sanun Srisuk та Amnart Petpon у 2008 році, а також метод Fast Self-Quotient ImagE(FSQI) та його модифікації, запропоновані авторами статті в попередніх роботах. У цій роботі ми запропонували модель оцінки, яка використовує Cropped Extended Yale Face Database B, що дає змогу показати відмінність результатів розпізнавання для різних умов освітлення. Також ми перевіряємо всі результати за допомогою двох класифікаторів: класифікатора найближчих сусідів (англ. Nearest Neighbor Classifier) та лінійного класифікатора опорних векторів (англ. Linear Support Vector Classifier). Такий підхід дає змогу не тільки обчислити точність розпізнавання для кожного методу та вибрати найкращий метод, але й показати важливість правильного вибору методу класифікації, який може мати значний вплив на результати розпізнавання. Нам вдалося показати значне зменшення точності розпізнавання для необроблених (RAW) зображень із збільшенням кута між джерелом освітлення та нормаллю до об'єкта. З іншого боку, наші експерименти показали майже рівномірний розподіл точності розпізнавання для зображень, оброблених методами нормалізації освітлення на підставі методу SQI. Ще одним отриманим, проте очікуваним результатом, представленим у цій роботі, є підвищення точності розпізнавання із збільшенням розміру ядра фільтра. Однак великі розміри ядра фільтра є більш обчислювально-затратні і можуть спричинити негативні ефекти на вихідних зображеннях. Окрім цього, в наших експериментах було показано, що друга модифікація методу FSQI, яку ми скорочено позначаємо як FSQI3, краща майже в усіх випадках для всіх розмірів ядра фільтра, особливо якщо ми використовуємо лінійний класифікатор опорних векторів для класифікації.