| LEADER |
05455nam a22002657a 4500 |
| 001 |
1784885 |
| 024 |
|
|
|3 10.37376/1571-000-055-006
|
| 041 |
|
|
|a eng
|
| 044 |
|
|
|b ليبيا
|
| 100 |
|
|
|9 567305
|a القزيرى، سالم محمد
|g Al. Gezeri, Salem M.
|e مؤلف
|
| 245 |
|
|
|a Implementation a Different Segmentation Method as a Joint Prior Model to Reconstruction the Bayesian Image Analysis
|
| 246 |
|
|
|a تطبيق أسلوب التجزئة بطريقة مختلفة كنموذج قبلي مشترك لإعادة بناء الصورة في نماذج بيز
|
| 260 |
|
|
|b جامعة بنغازي - كلية الآداب والعلوم بالمرج
|c 2018
|g أغسطس
|
| 300 |
|
|
|a 1 - 16
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a في هذا البحث تم تقديم المفاهيم الأساسية لتطبيق أسلوب بيز Bayesian approach لتحليل الصور ولهذا الأسلوب فوائد كبيرة بالنسبة لتحليل الصور كطريقة متقدمة لأنها تسمح باستخدام التوزيع القبلي أي المعلومات القبلية (Prior Distribution) المتعلق بالحالة المدروسة. وفي هذا البحث تم تحديد عدة إجراءات منها (عدة علامات للصورة تحت شروط مثل التشويش. وعدم الوضوح) وتستخدم هذه النظرية للدراسة والتحقق من تطبيق بعض العمليات المعروفة لتحليل الصور بطريقة بيز للتجزئة أو التقسيم للصور (Segmentation Image) كنموذج قبلي مشترك (Joint Prior) لتقدير دالة الإمكان الأعظم (Likelihood Function) كما أن التجزئة باستخدام نظرية حقل ماركوف أتت بنتائج باستخدام متوسط التوزيع البعدي (Posterior Mean Distribution). وينقسم البحث إلى عدة أجزاء. أولا مقدمة بسيطة تعطى خلفية عن تحليل الصور. وأيضا تعريف نظرية الحقل العشوائي وعلاقتها بسلاسل ماركوف ومونتي كارلو في اطار نظرية بيز. ثانيا في هذا الجزء. الذي علج الحلول باستخدام أساسيات الانقسام أو التجزئة والتي تمثلت في استخدام ابسط أنواعه وهو (Threshold). ثالثا قدم وصف للتجربة الانقسام بالاعتماد علي المدرج التكراري وأيضا دراسة العامل (المعلومات القبلية) لنموذج وبإضافة معلومات ثانية (Joint prior) وهي تجزئة الصورة بالاعتماد على التقنيات التي تم تعريفها في الأجزاء السابقة وأيضا مناقشة أسلوب المحاكاة للبيانات المتحصل عليها لقلعة من جنوب شرق أسيا. رابعا. تضمن هذا الجزء علي تطبيق المعلومات الثانية وخطوات التقدير بالإضافة إلى التقدير النهائي لشكل الصور. وأخيرا نتائج التجربة والخلاصة.
|
| 520 |
|
|
|b The basic concepts in the application of Bayesian approaches to image analysis have been introduced as advanced method. The Bayesian approach contains benefits in respect to image analysis and interpretation because it permits the use of prior knowledge concerning the situation under study. This paper use to investigate the application of some of the well-known procedures (determines number labels of image under several conditions like noise of image, resolution of image) for the Bayesian image analysis with segmentation as a joint prior model in order to estimate the Maximum Likelihood (ML). Markov random field with segmentation which resulted by mean of posterior (MP). This paper contains several sections. Firstly, includes introduction about the image analysis with, Bayes frame work and statistical background to Markov's random field and its relationship through Markov Chain Monte Carlo. Secondly, section, which directly addresses solutions by using a principle of segmentation, which is a representation in threshold, is simply type introduced. Thirdly, presents the description of Experiment of Segmentation by depend on histogram also study of the factor (one prior) and the same model by adding segmentation (joint prior) based on techniques presented in the previously section are discussed . Fourthly, this section contains on the second prior implementation and simulation by using phantom data (Castle from south East Asia) also steps of estimation. Finally, result of experiment as well as estimation and summary.
|
| 653 |
|
|
|a أساليب التجزئة
|a نماذج بيز
|a بناء الصورة
|a التقدير النهائي
|
| 692 |
|
|
|b Bayesian Image Analysis
|b Markov Random Field
|b Posterior Mean
|b Image Segmentation
|b Joint Prior Mode
|
| 773 |
|
|
|4 العلوم الإنسانية ، متعددة التخصصات
|6 Humanities, Multidisciplinary
|c 006
|e Journal of Science and Humanities
|f Mağallaẗ al-ʿulūm wa-al-dirāsāt al-insāniyyaẗ
|l 055
|m ع55
|o 1571
|s مجلة العلوم والدراسات الإنسانية
|v 000
|x 2312-4962
|
| 700 |
|
|
|a عثمان، كاملة العبد
|g Othman, Kamla Elabd
|e م. مشارك
|9 567307
|
| 856 |
|
|
|u 1571-000-055-006.pdf
|
| 930 |
|
|
|d y
|p y
|q y
|
| 995 |
|
|
|a HumanIndex
|
| 999 |
|
|
|c 1047410
|d 1047410
|
