FACTORISATION MATRICIELLE NON NEGATIVE POUR LA RECONNAISSANCE FACIALE

Abstract

Dans ce projet on a étudiéla reconnaissance des visages Qui est considéré l’un des problèmes les plus difficiles à résoudre. Jusqu'à présent, plusieurs méthodes et approches sophistiquées ont été développés pour obtenir les meilleurs résultats de reconnaissance en utilisant des bases de données de visage spécifiques. Et on a étudié aussiLe traitement d’image à des applications dans pratiquement tous les domaines. L’explosion numérique a exigé une réduction de la taille des images afin de limiter le stockage mais aussi de permettre une transmission plus rapide dans les réseaux. La compression d’images a pour but de réduire la taille de l’image tout en minimisant la détérioration de celle-ci. Beaucoup d’algorithmes et de formats de compression ont été proposé. Ce rapport étudie méthode de compression basée sur la factorisation matricielle non négative (NMF) et composition en valeurs singulières (SVD) et ses applications.et on a aussi étudié la reconnaissance faciale basé aussi sur les deux méthodes (SVD) et (NMF) .finalement faire les tests et afficher les résultats et faire la comparaison entre eux.Des tests ont été effectuéssur plusieurs images, et les résultats sont satisfaisants.