ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Generating Mosaic Images Based...>مارك

Generating Mosaic Images Based on Texture Analysis

العنوان بلغة أخرى: تكوين صور فسيفسائية بالاعتماد على تحليل النسيج
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: طاقة، آلاء ياسين طه (مؤلف)
المؤلف الرئيسي (الإنجليزية): Taqa, Alaa Yaseen
المجلد/العدد: مج27, ع4
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2018
الصفحات: 69 - 101
DOI: 10.33899/edusj.2018.159299
ISSN: 1812-125X
رقم MD: 1201714
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
الصور الرقمية | الصور الفسيفسائية | معالجة الصور | كتلة الصورة | تكنولوجيا الصور
كلمات المؤلف المفتاحية:
Mosaic Image | Retrieval Image | Texture Analysis | Artificial Techniques
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
LEADER 07102nam a22002537a 4500
001 1948386
024 |3 10.33899/edusj.2018.159299 
041 |a eng 
044 |b العراق 
100 |9 642954  |a طاقة، آلاء ياسين طه  |g Taqa, Alaa Yaseen  |e مؤلف 
245 |a Generating Mosaic Images Based on Texture Analysis 
246 |a تكوين صور فسيفسائية بالاعتماد على تحليل النسيج 
260 |b جامعة الموصل - كلية التربية  |c 2018 
300 |a 69 - 101 
336 |a بحوث ومقالات  |b Article 
520 |a تكوين فسيفساء الصورة (صورة فسيفسائية) هي العملية التي تقوم بتقسيم الصورة المدخلة (حاوية) إلى عدد متساوي من الكتل المستطيلة (كتل الصورة)، كل منها يتم استبداله بصورة أخرى (الصورة البلاط) والتي تتطابق مع ملامح كتلة الصورة المناظرة لها. لو نظر إلى فسيفساء الصورة الناتجة من مسافة فإنها ستشكل صورة الإدخال. أن فسيفساء الصور ليست مفهوما جديدا، ولكن هناك عدد قليل من المنشورات المتعلقة به لأنه هو مفهوم ذات أساس تجاري. جودة فسيفساء الصورة الناتجة تعتمد على حجم قاعدة البيانات وتنويع الصور. أن عنق الزجاجة لهذه المسألة هو معدل التطابق بين الصورة المدخلة فسيفساء الصورة الناتجة بالإضافة إلى الوقت المستغرق. يقترح البحث ثلاثة مناهج عمل ذكائية لإنتاج فسيفساء الصور بأقل وقت: المنهج الأول هو عنقدة معدلات k ومسافة مانهاتن، والمنهج الثاني هو الشبكة العصبية ذات الانتشار العكسي ومسافة مانهاتن والمنهج الثالث هو تهجين المنطق الضبابي وشبكة ايلمان العصبية. يتم استخراج ثلاثة مجموعات من الميزات التي تستخدم من أجل العثور على أفضل تطابق بين صورة البلاط وكل كتله صورة تناظرهـا داخل الصورة الحاوية. المجموعة الأولى هي الميزات الإحصائية التي يتم استخراجها من مدرج تكراري مكمم إلى ٦٤ مستوى رمادي. هذه الميزات هي التباين، المعدل، التجانف، التفرطح والطاقة. والمجموعة الثانية هو مجموعة فرعية (خشونة، التناقض وتوجه) من مجموعة ميزات تامورا. في حين أن المجموعة الأخيرة من الميزات تتضمن صفة واحدة هي النسبة المئوية للخلايا الضوئية الواقعة على الحوافي داخل الصورة والتي تكتشف باستخدام مرشح كاني. إلى جانب ذلك، يتم استخدام طريقتين من تصحيح الألوان لضبط ألوان صورة البلاط، لتتناسب مع ألوان كتلة الصورة المناظرة: تعتمد الطريقة الأولى على المعدل بينما تعتمد الطريقة الثانية على خصائص المدرج التكراري للألوان. وأخيرا، فإن النتائج التجريبية تبين أن المنهج الذي يهجن المنطق الضبابي وشبكة ايلمان العصبية الأفضل بين الثلاث مناهج. إذ يحتاج حوالي ١٠,٠ ثوان لإنتاج فسيفساء الصور بمعدل ارتباط بين الصور المدخلة (الحاويات) وفسيفساء الصور الناتجة يساوي 0.82 باستخدام طريقة المعدل لتصحيح الألوان. من ناحية أخرى فإن هذا المنهج يحتاج حوالي ٤٢.٣٣ ثانية لإنتاج فسيفساء الصور بمعدل ارتباط يساوي ٠.٨٦ باستخدام خصائص المدرج التكراري للألوان لتصحيح الألوان. 
520 |b Photo-mosaic (mosaic-image) generation is the process of dividing an input image into equal rectangular blocks (image blocks), each of which is replaced with another image (tile image) that matches the features of a corresponding image block. When the produced photo mosaic is seen from a distance, it seemingly forms the input image. Photo mosaic is not a new concept; however, only a few publications on this subject are available because of its commercial nature. The quality of the produced photo mosaic depends on the size of the database and the variety of images. In addition to process time, a bottleneck occurs because of the discrepancy in the match rate between the input image and the produced photo mosaic. This research proposes three intelligence-based approaches for producing photo mosaics in less time: (1) k-means clustering with Manhattan distance, (2) back propagation neural network with Manhattan distance, and (3) hybrid fuzzy logic with Elman neural network. Three groups of features are extracted and then used to find the best matching tile image for each corresponding image block within the container image. The first group comprises statistical features extracted from a 64-gray level quantized histogram. These features are variance, mean, skewness, kurtosis, and energy. The second group is a subset of Tamura features, namely, coarseness, contrast, and directionality. The last group includes a feature called edge rate, which is computed as the percentage of edge pixels within an image that can be detected using a canny filter. In addition, two methods of color correction are used to adjust the colors of a tile image to match the colors of a corresponding image block. The first method is based on mean, whereas the second is based on histogram specification. Finally, experimental results show that hybrid fuzzy logic with Elman neural network is the best among the three approaches used. This technique needs 10.0 seconds to produce photo mosaics, with a correlation rate of 0.82 between the container image and the produced photo mosaics, using mean-based color correction. By contrast, this approach needs 42.33 seconds to produce photo mosaics, with a correlation rate of 0.86, using histogram specification-based color correction. 
653 |a الصور الرقمية  |a الصور الفسيفسائية  |a معالجة الصور  |a كتلة الصورة  |a تكنولوجيا الصور 
692 |b Mosaic Image  |b Retrieval Image  |b Texture Analysis  |b Artificial Techniques 
773 |4 التربية والتعليم  |6 Education & Educational Research  |c 020  |e Journal of Education and Science  |f Mağallaẗ al-tarbiyaẗ wa-al-ʻilm  |l 004  |m مج27, ع4  |o 0168  |s مجلة التربية والعلم  |v 027  |x 1812-125X 
856 |u 0168-027-004-020.pdf 
930 |d n  |p y  |q n 
995 |a EduSearch 
999 |c 1201714  |d 1201714 

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.