নিম্নলিখিতটি কোনও উত্তর হওয়ার উদ্দেশ্যে নয়, তবে এটি এমন একটি পরিসংখ্যান যা আপনাকে বিশ্লেষণ করছে এমন চিত্রগুলির বৈশিষ্ট্যের ভিত্তিতে উপযুক্ত চিত্র তুলনা কৌশল চয়ন করতে সহায়তা করবে।
প্রথম পদক্ষেপটি হ'ল একটি "ব-দ্বীপ হিস্টোগ্রাম" নিম্নরূপ:
for (x,y) in [0, width] x [0, height] begin
delta = abs( SecondImage(x, y) - FirstImage(x, y) )
hist[delta] += 1
end
এই হিস্টোগ্রামের একটি প্লট দেওয়া হয়েছে, আপনি যে পরিবর্তনগুলি সন্ধান করছেন তার "বিশালতা" সম্পর্কে আমরা আরও কিছু জানব এবং আরও ভাল সুপারিশ করব।
(বিকল্পভাবে, কিছু নমুনা চিত্র পোস্ট করুন Remember মনে রাখবেন যে যদি নমুনা চিত্রগুলি আপনার আগ্রহী চিত্রের পার্থক্যের প্রতিনিধিত্ব না করে তবে আমরা নিকৃষ্ট সুপারিশ করতে পারি))
আপনি নিজের চিত্র সেটটিতে স্ট্রাকচারাল সাদৃশ্য (এসএসআইএম) পরীক্ষা করতে পারেন এবং এখানে আপনার ফলাফল পোস্ট করতে পারেন। মনে রাখবেন যে এসএসআইএম চিত্রের অবক্ষয়ের বাধা সনাক্তকরণের মানুষের দক্ষতার নকল করার জন্য ডিজাইন করা হয়েছে, সুতরাং এটি পিক্সিলেশন সনাক্ত করতে পারে তবে অস্পষ্ট হতে পারে না।
যদি আপনার চিত্রগুলি ফটোগ্রাফিক চিত্র না হয় (বা, এমন কোনও বৈজ্ঞানিক চিত্র যা ফটোগ্রাফির সাধারণ বিষয় নয় ), তবে দয়া করে তাদের 2 ডি স্বতঃসংশোধনের উদাহরণও পোস্ট করুন, যথাযথভাবে ক্রপযুক্ত এবং মাপকৃত।
একক প্রশ্নে আলোচনার জন্য মুখের স্বীকৃতি খুব বড় একটি বিষয়। মুখের স্বীকৃতিতে ঝাপসা দেখা দেয় একাধিক প্রসঙ্গে - এটি কোনও ডাটা মানের সমস্যা হতে পারে বা ডেটা প্রসেসিংয়ের মধ্যবর্তী পদক্ষেপ হিসাবে ইচ্ছাকৃতভাবে এটি করা যেতে পারে।
মুখের স্বীকৃতিতে আমরা মুখগুলির পরিচয় সনাক্ত করতে চাই , সুতরাং আমাদের এমন চিত্রের পার্থক্য উপেক্ষা করতে হবে যা পরিচয়ের পার্থক্যের কারণে হয় না । পার্থক্যগুলির মূল বিভাগটি যেগুলি মুখের স্বীকৃতিতে উপেক্ষা করা উচিত: সেগুলি হ'ল পোজ, আলোকসজ্জা এবং মুখের অভিব্যক্তি।
অপ্রাসঙ্গিক পার্থক্যগুলিকে উপেক্ষা করার জন্য একটি সাধারণ পদ্ধতিকে নরমালাইজেশন বলা হয় , যা বিভিন্ন ক্রিয়াকলাপ প্রয়োগ করার চেষ্টা করে এবং একটি "ক্যানোনিকাল" বা "প্রিপ্রোসেসেড" চিত্র অর্জনের জন্য ইনপুট চিত্রটিতে রূপান্তর করে, যা পরিবর্তে সনাক্তকরণের জন্য ব্যবহার করা যেতে পারে।
দ্বিতীয় পদ্ধতির চিত্র highly- থেকে বৈশিষ্ট্য বের করে আনতে হয় পরিবর্তিত অপ্রাসঙ্গিক কারণের থেকে।
কোনও ফেস ইমেজের মান ক্যাপচারিং ডিভাইস এবং যেখানে এটি ক্যাপচার করা হয়েছিল সেই পরিবেশের সাপেক্ষে। বিষয়টির সহযোগিতা ছাড়াই যখন কোনও মুখের চিত্রটি ধরা পড়ে (যেমন কোনও সুরক্ষা ক্যামেরা থেকে), ত্রুটিযুক্ত চিত্রের মানটি একটি অনিবার্য পরিণতি এবং শনাক্তকরণকে বাধা না দেওয়ার জন্য সফ্টওয়্যার দ্বারা প্রতিকার করতে হয়েছিল।
সমবায় ক্যাপচারে, চিত্রের মানের একটি কম্পিউটারাইজড মাপ ভাল: অপারেটরটিকে মানের সমস্যা সম্পর্কে অবহিত করা যেতে পারে এবং চিত্রটি আবার নেওয়া যেতে পারে।
অস্পষ্টতা সনাক্তকরণ এড়াতে (অন্তর্ভুক্তি এবং ছদ্মবেশের পাশাপাশি) বায়োমেট্রিকগুলিতে দূষিত ছত্রাকের উদাহরণও হতে পারে। চিত্রটি ডিজিটালিভাবে এনকোড করা থাকলে, সমস্যাটি পুরোপুরি সমাধানের জন্য একটি ডিজিটাল চেকসাম এবং ক্রিপ্টোগ্রাফিক স্বাক্ষর যথেষ্ট। যদি অস্পষ্ট চিত্রটি কোনও ছদ্মবেশী দ্বারা ফিজিকাল প্রিন্টে জমা দেওয়া হয়, তবে মুখের চিত্রের মানের একটি কম্পিউটারাইজড মাপ এই জাতীয় জমাগুলি প্রত্যাখ্যান করতে ব্যবহার করা যেতে পারে।
মুখের চিত্রের একটি নির্দিষ্ট অংশে 2 ডি-স্থানীয়করণযোগ্য বৈশিষ্ট্য বা আগ্রহের পয়েন্টের অভাব ইচ্ছাকৃত ঝাপসা হওয়ার লক্ষণ হতে পারে।
তবে, ডিজিটাল ইমেজ টেম্পারিংয়ের বিস্তৃত বিভাগে (চিত্র-সম্পাদনা সফ্টওয়্যারের দক্ষ ব্যবহারকারী দ্বারা) কেবলমাত্র ডিজিটাল চিত্র ফরেনসিক নিয়ে কাজ করা যেতে পারে যা পরিচিত ক্যামেরা মডেলগুলির সাথে পিক্সেলের পরিসংখ্যানের তুলনা করে।