ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Texture Feature Extraction Usi...>الوصف

Texture Feature Extraction Using Tamura Descriptors and Scale-Invariant Feature Transform

العنوان بلغة أخرى: استخراج ميزة الأنسجة باستخدام واصفات Tamura وتحويل الميزة غير المتغيرة
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: أحمد، حسن ماهر (مؤلف)
المؤلف الرئيسي (الإنجليزية): Ahmed, Hasan M.
المجلد/العدد: مج32, ع4
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الصفحات: 91 - 103
ISSN: 1812-125X
رقم MD: 1468672
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
الصفات البصرية | معالجة الصور | ميزة الأنسجة | نسيج تامورا
كلمات المؤلف المفتاحية:
Image Processing | Feature Extraction | Tamura Descriptors | Scale-Invariant Feature Transform
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: أصبحت القدرة على التعرف على الأنسجة المختلفة في الصورة والتمييز بينها ممكنة من خلال استخراج الميزات، وهي خطوة أساسية في رؤية الحاسوب ومعالجة الصور. الأساليب التقليدية لتحليل النسيج لا تتمكن من التقاط الخصائص الإدراكية التي تعطي النسيج معناه وهويته. نظرا لأنه تم تطوير سمات نسيج تامورا من خلال البحث في المكونات المكانية والتكرارية للأنسجة، فإنها توفر تمثيلا أكثر دقة وتمييزا للأنسجة. تلتقط ميزات Tamura صفات بصرية مهمة تعتبر ضرورية لفهم الملمس وتفسيره. تتيح واصفات Tamura إمكانية وصف ومقارنة الأنسجة المختلفة، مما يسهل المهام مثل تصنيف الأنسجة وتقسيمها واسترجاعها. تقوم SIFT بمعالجة واصفات Tamura لاستخراج ميزات ثابتة الحجم، مما يعزز قدرة تمثيل النسيج على التمييز. تم تقييم الطريقة المقترحة على العديد من مجموعات البيانات المرجعية، وكشفت النتائج أنها تتفوق على طرق تحليل النسيج التقليدية من حيث الدقة والتذكر ومقاييس الأداء الأخرى. كما تحقق التقييم النوعي من قابلية التفسير والأهمية الإدراكية لعناصر النسيج المسترجعة، مما يثبت ملاءمتها لمهام تحليل النسيج. تظهر نتائج التقييم مدى نجاح التقنية المقترحة في استخلاص ميزات النسيج وكيف يمكن أن تعزز فعالية العديد من تطبيقات رؤية الحاسوب ومعالجة الصور.

The ability to recognize and distinguish between various textures in an image is made possible by feature extraction, which is a fundamental step in computer vision and image processing. Traditional methods of texture analysis fall short of capturing the perceptual characteristics that give texture its meaning and identity. Because Tamura texture attributes were developed through research into the spatial and frequency components of textures, they offer a more precise and discriminating representation of textures. Tamura features capture significant visual qualities that are crucial for comprehending and interpreting texture. Tamura descriptors enable to characterization and comparison of various textures, enabling tasks like texture classification, segmentation, and retrieval. SIFT processes Tamura descriptors to extract scale-invariant features, enhancing the texture representation's capacity for discrimination. The suggested method was evaluated on numerous benchmark datasets, and the findings revealed that it outperforms conventional texture analysis methods in terms of precision, recall, and other performance measures. The qualitative evaluation further verified the interpretability and perceptual significance of the retrieved texture elements, proving their appropriateness for texture analysis tasks. The evaluation's findings show how well the suggested technique extracts texture features and how it might boost the effectiveness of numerous computer vision and image processing applications.
ISSN: 1812-125X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.