آکادمی و موسسه علمی پژوهشی ابن سینا

نتیجه گیری و پیشنهادات

* در بانک داده ORL روش 2D-LDA-SVM بطور میانگین در کاهش بعد به d=3 بهترین دقت را از خود نشان داد و 97.1 درصد از تصاویر را به درستی تشخیص داد، در واقع تعداد 19420 تصویر به درستی تشخیص داده شده و تنها 580 تصویر را به اشتباه به شخص دیگری اختصاص داد. این روش در میان 100 حالت مورد بررسی در بهترین حالت در کاهش بعد به d=4 ،  99درصد از تصاویر را به درستی تشخیص داد که معادل 198 تشخیص صحیح و تنها 2 تشخیص نادرست است.
* در بانک داده ORL روش 2D-2D-LDA-SVM بطور میانگین در کاهش بعد به d=4 بهترین دقت را از خود نشان داد و 97.55 درصد از تصاویر را به درستی تشخیص داد، در واقع تعداد 19510 تصویر به درستی تشخیص داده شده و تنها 490 تصویر را به اشتباه به شخص دیگری اختصاص داد. این روش در میان 100 حالت مورد بررسی در بهترین حالت در کاهش بعد به d=8 و d=9 ، 100 درصد تصاویر را به درستی تشخیص داد که معادل 200 تشخیص صحیح و بدون هیچ تشخیص نادرست است.
* در بانک داده YALE روش 2D-LDA-SVM بطور میانگین در کاهش بعد به d=5 بهترین دقت را از خود نشان داد و 90.56 درصد از تصاویر را به درستی تشخیص داد، در واقع تعداد 8150 تصویر به درستی تشخیص داده شده و تنها 850 تصویر را به اشتباه به شخص دیگری اختصاص داد. این روش در میان 100 حالت مورد بررسی در بهترین حالت در کاهش بعد به d=10 ،  96.67درصد از تصاویر را به درستی تشخیص داد که معادل 87 تشخیص صحیح و تنها 3 تشخیص نادرست است.

* در بانک داده YALE روش 2D-2D-LDA-SVM بطور میانگین در کاهش بعد به d=9 بهترین دقت را از خود نشان داد و 91.33 درصد از تصاویر را به درستی تشخیص داد، در واقع تعداد 8220 تصویر به درستی تشخیص داده شده و تنها 780 تصویر را به اشتباه به شخص دیگری اختصاص داد. این روش در میان 100 حالت مورد بررسی در بهترین حالت در کاهش بعد به d=10 ،  96.67درصد از تصاویر را به درستی تشخیص داد که معادل 87 تشخیص صحیح و تنها 3 تشخیص نادرست است.

* در  آزمایش هایی که تا کنون بر روی پایگاه داده ORL شده است نیمی از تصاویر برای آموزش و بقیه برای تست استفاده شده اند، در آزمایشات بانک داده YALE 5 تصویر از 11 تصویر برای آموزش و 6 تصویر برای تست استفاده گردید. با توجه به اینکه تعداد تصاویر آموزشی در دنیای واقعی در بیشتر موارد کمتر از 5 حتی گاهی به 2 تصویر می¬رسد پیشنهاد می¬شود تاثیر کاهش تعداد تصاویر آموزشی  بر روی این پایگاه های داده بررسی شده و الگوریتمی برای افزاش دقت در این حالات ارائه گردد.
* بجای استفاده از دسته بند SVM که در این پژوهش استفاده شده است، پیشنهاد می-شود از سایر روش های دسته بندی مانند استفاده از شبکه های عصبی، روش های مبتنی بر درخت تصمیم، روش های مبتنی بر حافظه و... استفاده نمود.

جهت دانلود فایل کمکی آموزش انجام پایان نامه ارشد و دکتری پردازش تصویر کلیک کنید

در صورت داشتن هرگونه سوال و یا نیاز به مشاوره در زمینه آموزش انجام پایان نامه دکتری پردازش تصویر و همچنین آموزش انجام پایان نامه ارشد پردازش تصویر با ما در ارتباط باشید.