ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تقليل الألوان في الصور باستخدا...>الوصف

تقليل الألوان في الصور باستخدام الشبكات العصبية كوهينن

المصدر: تنمية الرافدين
الناشر: جامعة الموصل - كلية الإدارة والاقتصاد
المؤلف الرئيسي: العريبي، علياء قصي (مؤلف)
مؤلفين آخرين: كشمولة، منار يونس أحمد جرجيس (م. مشارك)
المجلد/العدد: مج 27, ع 78
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2005
الصفحات: 57 - 69
ISSN: 1609-591X
رقم MD: 418167
نوع المحتوى: بحوث ومقالات
قواعد المعلومات: EcoLink
مواضيع:
التصور الفوتغرافي | الألوان | الشبكات العصبية | شبكة كوهينن | الصور الفوتوغرافية | التكنولوجيا الحديثة
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

17

حفظ في:
المستخلص: يهدف هذا البحث إلى تقليل الألوان في الصور، عبر استخدام شبكة كوهينن العصبية التي تستخدم خرائط التنظيم الذاتي Self Organizing Feature Maps، واستخدام معادلة مسافة مانهاتن بدلاً من معادلة المسافة الاقليدية التقليدية في عملية تدريب الشبكة، لاختيار أفضل الألوان في الصورة. ثم اعيد رسم الصورة حسب الألوان الجديدة. ولغرض تقليل حجم الصورة تم تحويل الصورة من نوع True Type الى صورة من نوع Bit 8. كما تم أجراء عملية تحسين على الصورة الناتجة من عملية تقليل الألوان، عن طريق تغيير نسبتي الإضاءة Brightness والتباين Contrast وذلك لإخفاء بعض العيوب الناتجة من عملية تقليل الألوان. وقد استخدمت في البحث صور ملونة وصور ذات تدرج رمادي أيضاً.

This research uses a method based on Self-Organizing Feature Maps (SOFM) neural network. The (SOFM) is competitively trained according to the kohonen learning algorithm. After training, the output neurons of the (SOFM) define proper classes of colors that best define the image by using Manhattan distance instead of the traditional Euclidean distance. Next each pixel is compared with resulted colors. Then each pixel is redrawn according the new colors In order to reduce the size of the image a transformation was made from (True Type) to (8 Bit(. Also an enhancement has been made on the resulted image to hide some side affects resulted from the color reduction operation. The research was applied on colored and Gray level images.
ISSN: 1609-591X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.