Orthogonal Image Moments for Human-Centric Visual Pattern Recognition

این کتاب به‌جای تمرکز بر ویژگی‌های ریاضی لحظه‌ها، مجموعه‌ای از تحقیقات است که اثربخشی ویژگی‌های مبتنی بر لحظه متعامد را در تشخیص چهره، تشخیص بیان، تشخیص اثر انگشت و تشخیص عنبیه نشان می‌دهد. سودمندی لحظه ها و متغیرهای آنها در تشخیص الگو به خوبی شناخته شده است. آنچه کمتر شناخته شده است این است که چگونه لحظات متعامد ممکن است برای مشکلات خاص در تشخیص الگوی بصری انسان محور اعمال شوند. برخلاف کتاب‌های قبلی، این کار مسائل اساسی مربوط به تشخیص الگوی مبتنی بر لحظه را برجسته می‌کند، از انتخاب ویژگی‌های متمایز در یک محیط با ابعاد بالا، تا پرداختن به این سوال که چگونه تعداد زیادی از الگوها را بر اساس نمونه‌های آموزشی کوچک طبقه‌بندی کنیم. این کتاب علاوه بر ارائه مفاهیم جدیدی که استفاده از روش‌های آماری را در پرداختن به برخی از این مسائل نشان می‌دهد، نتایج اخیر را ارائه می‌کند و راهنمایی‌هایی در مورد اجرای روش‌ها ارائه می‌دهد. بر این اساس، برای محققان و دانشجویان فارغ التحصیل که در حوزه‌های وسیع بینایی رایانه و تشخیص الگوهای بصری کار می‌کنند، جالب خواهد بود.

Instead of focusing on the mathematical properties of moments, this book is a compendium of research that demonstrates the effectiveness of orthogonal moment-based features in face recognition, expression recognition, fingerprint recognition and iris recognition. The usefulness of moments and their invariants in pattern recognition is well known. What is less well known is how orthogonal moments may be applied to specific problems in human-centric visual pattern recognition. Unlike previous books, this work highlights the fundamental issues involved in moment-based pattern recognition, from the selection of discriminative features in a high-dimensional setting, to addressing the question of how to classify a large number of patterns based on small training samples. In addition to offering new concepts that illustrate the use of statistical methods in addressing some of these issues, the book presents recent results and provides guidance on implementing the methods. Accordingly, it will be of interest to researchers and graduate students working in the broad areas of computer vision and visual pattern recognition.