Wyniki wyszukiwania - BazTech

1

Face detection in colour images using fuzzy Hough transform

Pietrowcew A.

Opto-Electronics Review

|

2003

|

Vol. 11, No. 3

247-251

EN

Novel, fast, accurate, and low complexity face localisation algorithm is presented. It is robust for hard scene conditions, such as complex background, different lighting, and face poses. It exploits spatial masking of face colour areas in normalised perceptually plausible tint-saturation-luminance (TSL) space where Canny filter is applied. Then, facial areas are approximated by ellipses of constrained proportions using fuzzy Hough transform on detected edges. Finally eye localisation technique is applied in Cr-Cb colour space in order to determine face pose, confirm face presence, and it enables us normalisation of face recognition.

2

Lokalna analiza składowych głównych drugiego rzędu w rozpoznawaniu twarzy

Pietrowcew A., Skarbek W.

Elektronizacja : podzespoły i zastosowania elektroniki

|

2003

|

Vol. 23, nr 4

29-31

PL

Lokalna analiza składowych głównych, tj. analiza składowych głównych wykonana w klastrach danych, jest rozważana jako narzędzie algorytmiczne w problematyce rozpoznawania twarzy. Stosuje się ją w celu znalezienia lokalnych, liniowych modeli danych zapewniających zwartą reprezentację obrazów twarzy. Wstępne wyniki badań pokazują, że wspomniana technika umożliwia uzyskanie współczynnika rozpoznawania na poziomie ok. 97% dla niepełnych klastrów danych.

EN

Local second order principal component analysis, e. g. principal component analysis in data cluster, is used as the algorithmic tool in the field of face recognition. It finds local linear models for specific face poses and lighting conditions independently and guarantees compact face image representation. Experimental results show that proposed method allows to achieve high recognition rate, to the level of 97,5% for incomplete data clusters.

3

The modified Oja-RLS algorithm, stochastic convergence analysis and application for image compression

Skarbek W., Pietrowcew A., Sikora R.

Fundamenta Informaticae

|

1998

|

Vol. 36, nr 4

345-365

EN

The results of theoretical analysis for stochastic convergence of the modified Oja-RLS learning rule are presented. The rule is used to find Karhunen Loeve Transform. Based on this algorithm an image compression scheme is developed by combining approximated 2D KLT transform and JPEG standard quantization and entropy coding stages. Though 2D KLT transform is of higher complexity than 2D DCT, the resulting PSNR quality of reconstructed images is better even by 2[dB].