روش تبدیل مورفینگ جهت ایجاد چهره کودک از ترکیب تصویر والدین با متلب

روش تبدیل مورفینگ جهت ایجاد چهره کودک از ترکیب تصویر والدین

پروژه روش تبدیل مورفینگ جهت ایجاد چهره کودک از ترکیب تصویر والدین را در نرم افزار MATLAB با عنوان مقاله Baby Face Generator آماده کرده ایم که در ادامه به روند کار این پروژه پرداخته و فیلم و تصاویری از خروجی همراه با لینک دانلود رایگان مقاله مرجع قرار داده شده است. این پروژه یک کار عالی در زمینه پردازش تصویر ، بینایی ماشین ، هوش مصنوعی و سیستم خبره است که در محیط کاربری GUI در نرم افزار متلب پیاده سازی شده است.

معرفی پروژه

این مقاله یک روش برای تولید تصویر ترکیبی از دو تصویر اصلی ارائه داده و تشخیص چهره، تشخیص نقطه عطفی صورت و استخراج ویژگی برای اولین بار به منظور جمع آوری اطلاعات مربوطه از هر تصویر پدر و مادر اجرا می شود.

استفاده از روش ﻣﻮرﻓﻴﻨﮓ (Morphing)

در این پروژه یک الگوریتم تبدیل همریخت چهره (تبدیل ﻣﻮرﻓﻴﻨﮓ (Morphing) یا تبدیل همریخت به تبدیل یک تصویر به تصویر دیگر در طی یک فرآیند خودکار گفته می شود تبدیل تدریجی یک انسان به انسانی دیگر)، شامل طبقه بندی ویژگی ها به مثلث ها و چهار گوشه ها بر اساس نقطه های کلیدی ویژگی، مثلث های معکوس و چهار گوشه با استفاده از تبدیل های افقی و هماهنگی و حل مسئله تصاویر پیچیده شده اجرا می شود. ویژگی های ترکیب شده پدر و مادر با ویژگی های پایه کودک ترکیب شده و بر روی چهره پایه کودک در مکان های مربوطه قرار می گیرد.

تشخیص چهره و استخراج ویژگی

تشخیص چهره و استخراج ویژگی های کلیدی چهره یک زمینه تحقیقاتی فعال با طیف گسترده ای از برنامه های کاربردی است. پروژه حاضر به دنبال استفاده از این روش تشخیص ویژگی های صورت و روش های متداول برای انجام این کار است. الگوریتم ارائه شده شامل تعدادی از روش ها مثل متعادل سازی رنگ، قطعه بندی تصویر، تشخیص چهره، خصوصیات خاص و تشخیص لبه از تصویر می باشد.

تشخیص چهره و محلی سازی ویژگی های کلیدی صورت

قسمت اول پروژه شامل اجرای یک الگوریتم برای تشخیص چهره ها و محلی سازی ویژگی های کلیدی صورت است. عملکرد این پیاده سازی بر اساس چندین الگوریتم تشخیص صورت و چهره، از جمله کار Turk و Pentland در سال 1991 با استفاده از خصوصیات واقعی برای قرار دادن چهره ها، کار Huang و Chen در سال 1992 با استفاده از مدل های کنترلی فعال برای استخراج ویژگی های چهره، و کار Saber و Tekalp در سال 1998 با استفاده از رنگ، شکل و تابع هزینه مبتنی بر تقارن برای تشخیص چهره و استخراج ویژگی ها می باشد.

علاوه بر این، چهره های نژادی داده شده به برنامه با استفاده از تصاویر شخصی یا تصاویر فیشر دسته بندی شده و ترکیبی از قومیت کودک از یک پایگاه داده از پیش تعریف شده انتخاب می گردد. بخش دوم پروژه شامل ترکیب ویژگی های مشخص شده از دو فرد برای ایجاد یک تصویر ترکیبی است. این الگوریتم شامل تکنیک های تبدیل همریخت است تا به درستی وزن و ترکیبی از چهره های ورودی را بدست آورد.

وزن گیری تصادفی برای انتخاب ویژگی ها

یک روش وزن گیری تصادفی برای انتخاب ویژگی هایی که از تصاویر ورودی در تصویر خروجی ظاهر می شود، بکار می رود به طوری که در هر زمانی که برنامه اجرا می شود تصویر کودک دیگری تولید خواهد شد و در نهایت تصویر ترکیب شده شامل تصحیح رنگ برای افزایش ظاهر طبیعی تصویر می شود.

تشخیص ویژگی ها

• تشخیص چهره با الگوریتم ويولا جونز (الگوریتم Viola-Jones) و تشخیص نقطه های کلیدی چهره با استفاده از مدل آموزش دیده در مقاله مرجع شماره 3 انجام می شود.
• استخراج ویژگی ها با استفاده از نقطه های کلیدی، تشخیص لبه ها و هندسه صورت
• طبقه بندی پوست با استفاده از ماسک در فضای رنگی HSV
• تشخیص عنبیه چشم با استفاده از روش هاف دایره ای

---

---

تصاویری از خروجی