As a context of biometrics, significant advances have been made in face recognition
during the recent decades. Face recognition is one of the most successful applications
of image analysis. The accuracy of automated face recognition is greatly affected by
varying in lighting between probe and train images. Difference in lighting condition
is one of the difficulties in automated face recognition systems. Histogram
equalization technique is widely used to diminish the desired effect of different
illumination condition between probe and train images by normalizing variation in
illumination. Experiments show that normalizing images that has good lighting
condition could lead to an increase in recognition error.
Wavelet transform, that is well-known as a multiresolution method, is used in
features extracting phase. The multiresolution property of wavelet transform is used
in extracting feature leading us to have facial feature descriptors at different scales
and frequencies. This thesis presents image quality based technique which is
measured in terms of luminance to overcome the disadvantage of varying lighting
condition to increase the accuracy of face recognition method. 10-fold cross variation
is used to investigate the effect of data selection on classification algorithm. At the
end, results are compared to investigate the best method for automated face
recognition when illumination variation exists.
Keywords: Biometrics, illumination, Wavelets transform (WT), face recognition,
feature extraction
ÖZ:
Son yıllarda, bir biyometri alanı olarak yüz tanıma konusunda kayda değer
gelişmeler meydana gelmiştir. Yüz tanıma, görüntü işlemenin en başarılı
uygulamalarından biridir. Otomatikleştirilmiş yüz tanımanın hassasiyeti, araştırma ile
eğitme görüntüleri arasında ışıklandırma değişimlerinden büyük oranda
etkilenmektedir. Işıklandırma koşullarındaki farklılıklar otomatikleştirilmiş yüz
tanıma sistemlerinin zorluklarından biridir. Histogram eşitleme tekniği, aydınlatma
farklılıkları normalleştirilerek araştırma ile eğitim görüntüleri arasındaki ışıklandırma
farklılıklarının istenmeyen etkilerinin azaltılması için geniş çaplı bir kullanıma
sahiptir. Yapılan deneyler iyi ışıklandırma koşullarına sahip olan normalleştirme
görüntülerinin tanıma hatasının yükselmesine neden olabileceklerini göstermektedir.
Çokçözünürlüklü bir yöntem olarak bilinmekte olan Dalgacık Dönüşümü, özellik
ayrıştırma aşamasında kullanılmaktadır. Özellik ayrıştırma aşamasında kullanılan
dalgacık dönüşümünün çokçözünürlüklü olma özelliği, farklı ölçek ve aralıklarda yüz
özellik tanımlayıcılarına sahip olmamıza olanak sağlamaktadır. Bu tez çalışması, yüz
tanıma yönteminin hassasiyetinin artırılması amacıyla değişken ışıklandırma
koşullarından kaynaklanan dezavantajları ortadan kaldırmak üzere parlaklık
cinsinden ölçülen görüntü kalitesine dayalı bir teknik sunmaktadır. Veri seçiminin
sınıflandırma algoritması üzerindeki etkisinin araştırılması için 10-katlı çapraz
duğrulama kullanılmıştır. Son olarak, ışıklandırmada değişiklikler bulunduğunda
otomatikleştirilmiş yüz tanıma için en iyi yöntemin seçilmesi amacıyla sonuçlar
karşılaştırılmıştır.
Anahtar Kelimeler: Biyometri, aydınlatma, Wavelet dönüştürmek, yüz tanıma.
