تقليل عدد نطاقات الصور الطيفية باستخدام خوارزمية تحليل المكونات الرئيسية وتطبيقه في التعرف على الوجوه

الملخص

في الوقت الحاضر، يتم استخدام تقنيات التصوير الطيفي على نطاق واسع. على الرغم من أن الصور الطيفية توفر معلومات كثيرة حول النطاقات، إلا أن أبعادها العالية وعددها نطاقاتها الكبير تزيد بشكل كبير من العبء الحسابي. تتمثل إحدى المهام الرئيسية في معالجة البيانات الطيفية في تقليل التكرار في المعلومات الطيفية والمكانية دون فقدان أي تفاصيل مهمة. في هذه المقالة، نقدم تقنية لتقليل عدد النطاقات الطيفية وهي خوارزمية تحليل المكونات الرئيسية (PCA) Principal Component Analysis حيث تم تخفيض عدد النطاقات الطيفية من 33 نطاق إلى 5 نطاقات واستخراج الميزات من كل نطاق باستخدام خوارزمية الرسم البياني للتدرج الموجه (HOG) Histogram of Oriented Gradients والتي تعالج العديد من التحديات المتعلقة بالتعرف على الوجوه البشرية مثل تغيرات الإضاءة وغيرها وللتحقق من المطابقة والتصنيف استخدامنا خوارزمية تصنيف الجوار الأقرب إلى K (KNN) K-Nearest Neighbor. تم تطبيق الخوارزميات وتقييم الأداء على قاعدة البيانات UWA-HSFD. تظهر النتائج التجريبية أن الخوارزمية المقترحة فعالة من حيث الدقة والزمن بالمقارنة مع الخوارزميات الأخرى.