Medical Image Retrieval Based on Gray Cluster Co-occurrence Matrix and Edge Strength Levels
| العنوان بلغة أخرى: |
استرجاع الصور الطبية باستخدام مصفوفة الجوار للمجموعات الرمادية ومستويات قوة الحدود |
|---|---|
| المؤلف الرئيسي: | Abu Mezied, Alaa Ahmad (Author) |
| مؤلفين آخرين: | Al Attar, Ashraf (Advisor) |
| التاريخ الميلادي: |
2016
|
| موقع: | غزة |
| الصفحات: | 1 - 79 |
| رقم MD: | 766544 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | الجامعة الإسلامية (غزة) |
| الكلية: | كلية تكنولوجيا المعلومات |
| الدولة: | فلسطين |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
3
| المستخلص: |
يهدف المحتوى القائم على استرجاع المعلومات البصرية إلى البحث في قواعد البيانات البصرية من أجل إيجاد (استرجاع) صور محددة ذات مغزى وذات ميزات مطلوبة. تضم الأنواع المهمة من الميزات المطلوبة ميزة وضوح نسيج التركيب وكذلك ميزة الشكل. أحد المناهج الشائعة لهذه العملية هو تقسيم الاسترجاع إلى مرحلتين تعتمد الأولى على الميزات رفيعة المستوى تليها الثانية التي تعتمد على الميزات منخفضة المستوى وفي إطار هذا النهج العام، تختلف الطرق في الأساليب التي يستخدمونها لكل مرحلة لاستخراج الميزات، ومطابقة مجموعات الميزات. وبناء على هذه الاختلافات، تختلف الأساليب الحالية بشكل كبير في أداءها من حيث الدقة والاسترجاع والتباين البعدي، نجد في هذه الدراسة أن هذا الاختلاف في الأداء هو فرصة لنا لاقتراح طرق جديدة. نركز في هذه الدراسة في المقام الأول على الصور الطبية، وإتباع النهج المذكور أعلاه ولكن بإضافة المساهمتين الأساسيتين التاليتين: أ) تقديم مصفوفة الجوار للمجموعات الرمادية لاستخلاص ميزة نسيج التركيب واستخدامها كميزة رفيعة المستوى. ب) تقديم مستويات قوة الحواف لاستخلاص ميزة الشكل واستخدامها كميزة ذات مستوى منخفض. وقد قيم النظام أداء استرجاع الصور بناء على مقاييس التقييم مثل الدقة والإرجاع وقياس متوسط الفرق في المسافة فقد حقق النظام دقة تصل إلى 94.90% بينما نسبة الإرجاع وصلت إلى 89.72%. وحقق النظام المقترح متوسط التباين البعدي أدنى معدلاته حيث وصل إلى (0.0022) مقارنة مع كل جزء من النظام على حدة وكذلك على صعيد الأبحاث السابقة. هذه النتائج تشير إلى أن نظامنا فاق أداء كل جزء من النظام على حدة وكذلك فاق الدراسات السابقة المذكورة في البحث. |
|---|
عناصر مشابهة
-
Fusion of Color, Texture and Statistical Features for Enhancing Content-Based Image Retrieval
بواسطة: Al Tarawneh, Ahmad Salem منشور: (2015) -
Contrast Enhancement in Gray Level Images
بواسطة: سلطان، ضحى عامر منشور: (2019) -
A Unified Learning Framework for Content Based Medical Image Retrieval Using A Statistical Model
بواسطة: Seetharaman, K. منشور: (2016) -
Medical Image Compression based on Polynomial Coding and Region of Interest
بواسطة: Al-Khafaji, Ghadah منشور: (2019) -
Enhancement of Content-Based Image Retrieval (CBIR) By Building Genetic Algorithm to Obtain an Optimal Solution
بواسطة: Shrfy, Nada Khider Mohamedkheer منشور: (2018)
