The Using of PCA, Wavelet and GLCM In Face Recognition System, A Comparative Study
| Main Authors: | Al-Abaji, Manar Abdulkaream, Salih, Meaad Mohammed |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | eng |
| Terbitan: |
University of Babylon
, 2018
|
| Subjects: | |
| Online Access: |
https://www.journalofbabylon.com/index.php/JUBPAS/article/view/1848 https://www.journalofbabylon.com/index.php/JUBPAS/article/view/1848/1453 |
Daftar Isi:
- تلعب عملية التقليل البعدي للبيانات دوراً هاماً في اي نظام لتمييز الوجه، لان العديد من هذه البيانات متكررة و غير ذي صلة وهذا يسبب مشكلة في تطبيقات التعلم الآلي والتنقيب عن البيانات. الغرض الرئيسي من التقليل البعدي للبيانات هو لتحسين اداء التمييز عن طريق ازالة الميزات المتكررة. تم في هذا البحث استخدام عدد من تقنيات تقليل البيانات مثل تقنية تحليل المركبات الاساسية(PCA) و تحويل المويجة المتقطع(DWT) ومصفوفة الحدوث المشترك(GLCM). هدف البحث هو استخلاص الميزات الاكثر اهمية من الصور، تم استخدام اعداد مختلفة من الصور في التدريب والاختبار لغرض مقارنة الاداء لكل من التقنيات اعلاه في عملية التمييز، كما تم استخدام مقياس المسافة الاقليدية للحصول على النتائج.
- The process of data dimension reduction plays an important role in any face recognition system because many of these data are repetitive and irrelevant and this cause a problem in applications of data mining and learning the machine. The main purpose is to improve the performance of recognition by eliminating repetitive features. In this research, a number of data reduction techniques were used like: Principal Component Analysis, Gray-Level Co-occurrence Matrix and Discrete Wavelet Transform for extracting the most important features from the images of persons. A different number of training and testing images were used to compare the performance of each of the techniques above in the recognition process. Euclidean distance scale was used to get results.