يجب تسجيل الدخول أولا
Fusion of Color, Texture and Statistical Features for Enhancing Content-Based Image Retrieval
| العنوان بلغة أخرى: |
دمج سمات اللون، النسيج والسمات الإحصائية لتحسين عملية استرجاع الصور المعتمدة على المحتوي |
|---|---|
| المؤلف الرئيسي: | Al Tarawneh, Ahmad Salem (Author) |
| مؤلفين آخرين: | Hassanat, Ahmad Basheer (Advisor) |
| التاريخ الميلادي: |
2015
|
| موقع: | الكرك |
| الصفحات: | 1 - 97 |
| رقم MD: | 783502 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة مؤتة |
| الكلية: | عمادة الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
31
| المستخلص: |
إن استرجاع الصور اعتمادا على المحتوى تقنية بدأت تحظى باهتمام الباحثين مؤخرا. وتهدف تقنية استرجاع الصور اعتمادا على المحتوى إلى استرجاع الصور المشابهة في محتواها لصورة ما يراد البحث عنها في قواعد البيانات الخاصة بالصور، هذه القواعد غالبا ما تحتوي على أعداد هائلة من الصور غير المعنونة، والتي لا تحمل أية معلومات مكتوبة عن محتوى الصور المتوفرة فيها. في هذه الأطروحة قمنا بتقديم خوارزمية جديدة لاسترجاع الصور. وهذه الخوارزمية تعمل على تحليل محتوى الصور عن طريق تقسيمها إلى كتل متداخلة، حجم كل كتلة 8×8 بكسل (أصغر عنصر للصورة)، ومن ثم استخراج مجموعة من السمات الإحصائية من كل كتلة، ثم يتم إنشاء مدرج تكراري (Histogram) لقيم كل واحدة من السمات، ثم يحول المدرج التكراري الخاص بكل سمة إلى اقتران كثافة احتمالي (PDF)، وفي النهاية يتم دمج هذه الإقترانات مع بعضها البعض لتشكيل متجه سمات (Feature vector) لتمييز محتوى الصورة. قمنا بتجربة الخوارزمية باستخدام مجموعة من قواعد بيانات الصور المشهورة في هذا المجال وهي قاعدة (Wang)، وقاعدة (CoiI-100)، وقاعدة (IRMA-10000) الخاصة بالصور الطبية الرمادية، بالإضافة إلى قاعدة (ORL) الخاصة بالوجوه البشرية. نتيجة الدقة عالية جدا على قاعدة (Coil-100) وتصل إلى 0.998 ومعدل الخطأ إلى 0.002 بعد استرجاع الصورة الأولى، بينما هي أقل دقة على قاعدة (Wang) حيث وصلت إلى 0.831 مع معدل خطأ 0.169 بعد استرجاع الصورة الأولى وهذا بسبب تعقيد محتواها، أما على قاعدة الوجوه البشرية (ORL) كانت الدقة 0.88 بعد استرجاع الصورة الأولى ومعدل الخطأ هو 0.12، كانت النتائج أقل دقة بكثير على قاعدة (IRMA-1000) وهذا بسبب انعدام معلومات اللون، بالإضافة إلى أن صورها متباينة المحتوى بشكل كبير. أثبتت النتائج التي حصلنا عليها أن الخوارزمية المقترحة فعالة على الصور الملونة، وتتفوق على الكثير من الخوارزميات التي تعمل في حقل استرجاع الصور. وتكون الخوارزمية أقل كفاءة على الصور ذات التدرج الرمادي لأنها خالية من معلومات الألوان. ومع ذلك استخراج السمات وتحويلها إلى اقتران كثافة احتمالي يساعد على تقليل معدل الخطأ في أنظمة استرجاع الصور وبالتالي يساعد على استرجاع الصور المشابهة لصورة البحث مبكرا، بغض النظر عن دوران وحجم الصور. |
|---|
عناصر مشابهة
-
Analysis Of Distance Metrics In Content Based Image Retrieval Using Statistical Quantized Histogram Texture Features In The DCT Domain
بواسطة: Malik, Fazal منشور: (2013) -
Enhancement of Content-Based Image Retrieval (CBIR) By Building Genetic Algorithm to Obtain an Optimal Solution
بواسطة: Shrfy, Nada Khider Mohamedkheer منشور: (2018) -
Document Image Retrieval from Incomplete Queries Using Texture Features
بواسطة: عبدالمنعم، مثيل عماد الدين منشور: (2014) -
A Unified Learning Framework for Content Based Medical Image Retrieval Using A Statistical Model
بواسطة: Seetharaman, K. منشور: (2016) -
Content – Based Image Retrieval Using Gabor Filter and DCT Method
بواسطة: محسن، محمد خيرالله منشور: (2018)
