Tez No	İndirme	Tez Künye	Durumu
153366	Bu tezin, veri tabanı üzerinden yayınlanma izni bulunmamaktadır. Yayınlanma izni olmayan tezlerin basılı kopyalarına Üniversite kütüphaneniz aracılığıyla (TÜBESS üzerinden) erişebilirsiniz.	A comparison of subspace based face recgnition methods / Alt-uzay tabanlı yüz tanıma yöntemlerinin karşılaştırılması Yazar:ÖZKAN GÖNDER Danışman: PROF. DR. UĞUR HALICI Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:	Onaylandı Yüksek Lisans İngilizce 2004 123 s.
oz ALT-UZAY TABANLI YÜZ TANIMA YÖNTEMLERİNİN KARŞILAŞTIRILMASI Gönder, Özkan Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi : Prof. Dr. Uğur Halıcı Ağustos 2004, 95 sayfa Bu tezde yüz tanımada kullanılan farklı yöntemler üzerinde çalışılmıştır. Bu yöntemler Ana Bileşen Analizi(Özyüz), Kernel Özyüz ve Fisher Doğrusal Ayırtaç Analizleridir (D AA). Ana Bileşen Analizi yüzü en iyi tanımlayabilen hesaplayıcı model oluşturabilmek için yüz resmi içindeki en önemli bilgileri çıkarmaya çalışır. Özyüz yönteminde yüzler arasındaki farklılıklar eğitim kümesinde yer alan yüzlerin kovaryans matrisinin özvektörlerinm(özyüzlerin) hesaplanmasıyla bulunur. Özvektörler (Özyüzler) elde edilerek diğer yüzler bu özvektörlenn lineer kombinasyonu ile ifade edilir Tanıma olayı yeni yüzün elde edilen bu özyüzler tarafından oluşturulan yüz uzayına projeksiyonu ile ve projeksiyon sonucu elde edilen konumlar sisteme tanıtılan yüzlerin konumlarıyla karşılaştırılnasıyla yapılmaktadır. Kernel Özyüz yönteminde, Ana Bileşen Analizinden önce eğitim seti lineer olmayan üst uzaya projeksiyonu viyapılmaktadır. Böylelikle yüzlerin lineer olarak değişmeyen özelliklerinin(arka planda farklılıkları, ışık değişiklikleri ve yüz ifadeleri vb. ) de ele alınması hedeflenmiştir. Fisher Doğrusal Ayırtaç Analizinde (DAA), Doğrusal ayırtaç analizi Ana Bileşen Analizinden sonra sınıflar arasında ayrımı arttnmak için uygulanmaktadır. Bu yöntemler üç veritabam üzerinde uygulanmıştır. Bunlar: Yale veritabam, AT&T veritabam ve ODTÜ Görüntü İşleme Laboratuvan yüz veritabamdır. Deney sonuçlan ışık, poz ve ifade farklılıklarına göre değerlendirilmiştir. Kernel Özyüz ve Fisher Doğrusal Ayırtaç Analizi Özyüz yöntemine göre ışık farklılıklarında daha iyi performans göstermektedirler. Yüz ifade değişikliği Özyüz yönteminin performansım etkilememektedir. Test sonuçlan Özyüz yönteminin kolay olması, hızlı ve özel donanım kullanmadan bile gerçek zamanda çalışabilmesi sebebiyle yüz tanıma sistemlerinde kullanılabilir bir yöntem olduğunu göstermektedir. Anahtar Kelimeler : Yüz tanıma, özyüz, ana bileşen analizi, altuzay doğrusal aynşım analizi, Kernel özyüz. vu
ABSTRACT A COMPARISON OF SUBSPACE BASED FACE RECOGNITION METHODS Gönder, Özkan M.Sc, Department of Electrical and Electronics Engineering Supervisor : Prof. Dr. Uğur Halıcı August 2004, 95 pages Different approaches to the face recognition are studied in this thesis. These approaches are PCA (Eigenface), Kernel Eigenface and Fisher LDA. Principal component analysis extracts the most important information contained in the face to construct a computational model that best describes the face. In Eigenface approach, variation between the face images are described by using a set of characteristic face images in order to find out the eigenvectors (Eigenfaces) of the covariance matrix of the distribution, spanned by a training set of face images. Then, every face image is represented by a linear combination of these eigenvectors. Recognition is implemented by projecting a new image into the face subspace spanned by the Eigenfaces and then classifying the face by comparing its position in face space with the positions of known individuals. In Kernel Eigenface method, non-linear mapping of input space is implemented before PCA in order to handle non-linearly embedded properties of images (i.e. IVbackground differences, illumination changes, and facial expressions etc.). In Fisher LDA, LDA is applied after PCA to increase the discrimination between classes. These methods are implemented on three databases that are: Yale face database, AT&T (formerly Olivetti Research Laboratory) face database, and METU Vision Laboratory face database. Experiment results are compared with respect to the effects of changes in illumination, pose and expression. Kernel Eigenface and Fisher LDA show slightly better performance with respect to Eigenfaces method under changes in illumination. Expression differences did not affect the performance of Eigenfaces method. From test results, it can be observed that Eigenfaces approach is an adequate method that can be used in face recognition systems due to its simplicity, speed and learning capability. By this way, it can easily be used in real time systems. Keywords: Face recognition, eigenface, principal component analysis, subspace LDA, Kernel eigenface.