| LEADER |
04928nam a22003497a 4500 |
| 001 |
0067282 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 414545
|a Al Tarawneh, Ahmad Salem
|e Author
|
| 245 |
|
|
|a Fusion of Color, Texture and Statistical Features for Enhancing Content-Based Image Retrieval
|
| 246 |
|
|
|a دمج سمات اللون، النسيج والسمات الإحصائية لتحسين عملية استرجاع الصور المعتمدة على المحتوي
|
| 260 |
|
|
|a الكرك
|c 2015
|
| 300 |
|
|
|a 1 - 97
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة مؤتة
|f عمادة الدراسات العليا
|g الاردن
|o 0867
|
| 520 |
|
|
|a 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.
|
| 653 |
|
|
|a قواعد بيانات الصور
|
| 653 |
|
|
|a استرجاع المعلومات
|
| 653 |
|
|
|a نظم المعلومات
|
| 700 |
|
|
|9 414546
|a Hassanat, Ahmad Basheer
|e Advisor
|
| 856 |
|
|
|u 9802-008-015-0867-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9802-008-015-0867-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9802-008-015-0867-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9802-008-015-0867-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9802-008-015-0867-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9802-008-015-0867-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9802-008-015-0867-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9802-008-015-0867-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9802-008-015-0867-R.pdf
|y المصادر والمراجع
|
| 856 |
|
|
|u 9802-008-015-0867-S.pdf
|y الملاحق
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 783502
|d 783502
|
