سال انتشار: ۱۳۸۵

محل انتشار: چهارمین کنفرانس ماشین بینایی و پردازش تصویر

تعداد صفحات: ۸

نویسنده(ها):

رضا شالباف – کارشناسی ارشد مهندسی پزشکی دانشگاه صنعتی امیرکبیر
منصور وفادوست – عضو هیئت علمی دانشکده مهندسی پزشکی دانشگاه صنعتی امیرکبیر
احمد شالباف – کارشناسی ارشد مهندسی پزشکی دانشگاه صنعتی امیرکبیر

چکیده:

بازشناسی تصویری گفتار فرایندی است که در سالهای اخیر برای کمک به افرادی که دچار آسیب در سیستم صوتی بوده ، مورد توجه محققین قرار گرفته است . در این مقاله، یک رویکرد جدید برای تشخیص دیداری گفتار ارائه شده است که شامل دو مرحله استخراج ویژگی از دنباله تصاویر لب و طبقه بندی ویژگی های بدست آمده م یباشد. برای استخراج ویژگی ، یک الگوریتم جدید برایستخراج کانتور لب مبتنی بر نقاط با استفاده ازASM پیشنهاد شده است . دراین الگوریتم، ابتدا یک مدل لب ۱۶ نقطه ای برای توصیف کانتور لب استفاده شده است که این نقاط توسط چند مد اول تغییرات شکل بدست آمده از مجموعه داده آموزشی کنترل م یشوند. با کمک آنالیز خوشه بندی فازی، یک نگاشت احتمال از تصاویر رنگی لب بدست آمده است و یک تابع هزینه مبتنی بر ناحیه ساخته شده است . با فرآیند بهینه سازی جدید، مدل لب را بر روی نگاشت احتمال تصویر تحت بررسی منطبق می کنیم و از پارامترهای این مدل به عنوان ویژگی در هر فریم استفاده شده است . در نهایت برای یکسان سازی بعد بردار ویژگی، از روش درون یابی و برای کاهش بعد بردار ویژگی از روشهایFLD و PCA استفاده می گردد . برای طبقه بندی ۶ واژه، از الگوریتمHMMاستفاده شده وارزیابی بر روی مجموعه دادگان جمع آوری شده از تصاویر لب ۲۰ گوینده مختلف، صورت گرفته که بیشترین نرخ شناسایی % ۸۹ میباشد