| LEADER |
05319nam a22003257a 4500 |
| 001 |
1488280 |
| 041 |
|
|
|a eng
|
| 100 |
|
|
|9 483884
|a سليمان، أحمد عبدالحميد
|e مؤلف
|
| 245 |
|
|
|a Image Classification Based on Enhancement of Local Binary Pattern
|
| 246 |
|
|
|a تصنيف الصور استنادا إلى تحسين النمط الثنائي المحلي
|
| 260 |
|
|
|a عمان
|c 2018
|
| 300 |
|
|
|a 1 - 91
|
| 336 |
|
|
|a رسائل جامعية
|
| 502 |
|
|
|b رسالة ماجستير
|c جامعة الشرق الأوسط
|f كلية تكنولوجيا المعلومات
|g الاردن
|o 0172
|
| 520 |
|
|
|a تصنيف الصور القائم على الخصائص المستخرجة من الصورة من خلال تجميع الصور إلى فئات، يلعب دورا هاما في تطبيقات الكمبيوتر المتعددة. وقد تم عرض العديد من النهج لاستخراج الخصائص من الصور في الأدب. النمط الثنائي المحلي (LBP)، يعد واحد من الأكثر النهج شيوعا وذلك لبساطتها الحسابية، وثباته للتغير في الإضاءة وموثوقيته في تصنيف الصور وذلك لالتقاطه أغلب الخصائص المرئية الأساسية من الصورة. بالرغم من أن النمط الثنائي المحلي لديه العديد من المزايا، فإنه، مع ذلك، ينتج واصف بحجم طويل (8-بت) لكل بكسل بالإضافة إلى حساسيته في ما يخص دوران الصور. في هذه الأطروحة، تم اقتراح واصف جديد على أساس النمط الثنائي المحلي الأصلي، والذي يدعى التقاطع القطري النمط الثنائي المحلي (DILBP) الذي يلتقط الخصائص الأولية للصور مثل الحواف والزوايا، نهاية الخط، البقع، والمناطق المتجانسة وغيرها من الخصائص المحلية مثل خاصية الخطوط، والتي لم يتم تناولها في النمط الثنائي المحلي الأصلي. يستخدم التقاطع القطري النمط الثنائي المحلي المقترح (DILBP) تقنية جديدة لتحليل الاختلافات في الكثافة بين بكسل المركز والبكسل المجاورة لها، من خلال مقارنة بكسل المركز مع زوج من البكسل المتقابلة في نفس القطر. ونتيجة لذلك، يقلل الواصف المقترح DILBP من طول متجة الخاصية من 8 بت في النمط الثنائي المحلي الأصلي إلى 4 ديجت، الأمر الذي يؤدي إلى تقليل طول متجة الرسم البياني وبالتالي يؤدي إلى تقليل المساحة المطلوبة للخاصية المستخرجة من الصورة. بالإضافة إلى ذلك، فإن الواصف المقترح DILBP له فوائد أخرى مثل الحفاظ على معلومات الصورة، الثبات للتغيير في الإضاءة والدوران. تم تنفيذ الواصف المقترح (DILBP)، وتقييمه باستخدام مجموعة بيانات صور مشاهد طبيعية Fifteen Scene Dataset، بالإضافة إلى مجموعتي بيانات عامتين هما مجموعة بيانات Outex TC12، ومجموعة بيانات CUReT. يستخدم، شعاع الدعم الآلي (SVM) متعددة الطبقات في هذه الأطروحة لتصنيف وتمييز الصور. أظهرت النتائج التجريبية على مجموعة بيانات Fifteen Scene dataset أن تحسين دقة الواصف المقترح DILBP مقارنة مع LBP الأصلي هي ما يقارب 1.5% والتحسين على CS-LBP هي ما يقارب 45.4%. في مجموعة بيانات Outex TC12، تحسين دقة الواصف المقترح DILBP مقارنة مع LBP الأصلي هي حوالي 3.8%، في حين التحسين على CS-LBP حوالي 15.3%. بينما في مجموعة بيانات CUReT، تحسين دقة الواصف المقترح DILBP مقارنة مع CS-LBP هي حوالي 48.4%، ولكنها أقل من LBP الأصلي بمعدل انخفاض تقريبا 2.9%. وتقدم هذه الأطروحة استنتاجات ومقترحات من أجل تحسين الوصف المقترح في المستقبل.
|
| 653 |
|
|
|a تصنيف الصور
|a النمط الثنائي المحلي
|
| 700 |
|
|
|9 461385
|a الجراح، مظفر منير
|g Al-Jarrah, Mudhafar Munir
|q
|e مشرف
|
| 856 |
|
|
|u 9802-015-008-0172-T.pdf
|y صفحة العنوان
|
| 856 |
|
|
|u 9802-015-008-0172-A.pdf
|y المستخلص
|
| 856 |
|
|
|u 9802-015-008-0172-C.pdf
|y قائمة المحتويات
|
| 856 |
|
|
|u 9802-015-008-0172-F.pdf
|y 24 صفحة الأولى
|
| 856 |
|
|
|u 9802-015-008-0172-1.pdf
|y 1 الفصل
|
| 856 |
|
|
|u 9802-015-008-0172-2.pdf
|y 2 الفصل
|
| 856 |
|
|
|u 9802-015-008-0172-3.pdf
|y 3 الفصل
|
| 856 |
|
|
|u 9802-015-008-0172-4.pdf
|y 4 الفصل
|
| 856 |
|
|
|u 9802-015-008-0172-O.pdf
|y الخاتمة
|
| 856 |
|
|
|u 9802-015-008-0172-R.pdf
|y المصادر والمراجع
|
| 930 |
|
|
|d y
|
| 995 |
|
|
|a Dissertations
|
| 999 |
|
|
|c 903173
|d 903173
|
