مقایسه ویژگی های آماری و معیارهای عدم شباهت در بازیابی تصویر بر اساس محتوا در حوزه تبدیل پیچک

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,836

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC15_126

تاریخ نمایه سازی: 26 مهر 1388

چکیده مقاله:

استخراج ویژگی از مهمترین قسمتهای یک سیستم بازیابی تصویر براساس محتوا است در تحقیقات گذشته ویژگی های بافت زیادی برای بازیابی تصویر پیشنهاد شده است. اما اغلب آنها توانایی استخراج اطلاعات لبه، که یکی از مهمترین اطلاعات بافت در یک تصویر میباشد را ندارند. تحقیقات اخیر بویژه روی تبدیل پیچک، نمایش موثر ناپیوستگی های منحنی شکل را ممکن ساخته است دراین تحقیق کارایی ویژگی های آماری استخراج شده از ضرایب تبدیل پیچک و انتخاب معیار عدم شباهت مناسب در بازیابی تصاویر بررسی شده است. همچنین از آنجا که زیرباندهای تبدیل پیچگ اندازه های متفاوتی دارند، با استفاده از نرمالیزاسیون خطی بردارهای ویژگی، مشکل ناهمگون بودن این بردارها حل شده و در نتیجه ان دقت بازیابی افزایش یافته است. آزمایشها روی پایگاه تصویر استاندارد برداتز انجام و نتایج گزارش و تحلیل شده است.

کلیدواژه ها:

بازیابی تصاویر براساس محتوا ، تبدیل پیچک ، استخراج ویژگی ، نمایه سازی تصویر

نویسندگان

حمید محمدتقی زاده

دانشگاه شهید باهنر کرمان

حسین نظام ابادی پور

دانشگاه شهید باهنر کرمان

سعید سریزدی

دانشگاه شهید باهنر کرمان بخش مهندسی برق

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • V. Popovici, J. Thiran, :Pattern recognition using higher- order local ...
  • _ Long, H. J. Zhang and D. D. Feng, Fundamentas ...
  • Information Retrieval and Management, D. Feng Eds, Springer, 2003. ...
  • M. Tuceryan, A. Jain. :Texture analysis In the Handbook of ...
  • A. Monadjemi, :Towards Efficient Texture Classification and Abnormality Detection", PhD. ...
  • R. Haralick, K. Shanmogam, I. Dinstein, :Textural features for image ...
  • C. C. Gotlieb , H. E. Kreyszig, Texture descriptors based ...
  • M. Singh and S. Singh, "Spatial texture analysis: A comparative ...
  • M. Sonka, V .Hlavac, R. Boyle, :Image processing analysis and ...
  • J. R. Smith , S. F. Chang, Transform features for ...
  • J. R. Smith and S.-F. Chang, Automated binary texture feature ...
  • T. Chang and C.-C. J. Kuo, Texture analysis and classification ...
  • A. Kundu and J.-L. Chen, Texture classification using qmf bank-based ...
  • M. H. Gross, R. Koch, L. Lippert, and A. Dreger, ...
  • K. S. Thyagarajan, T. Nguyen, and C. Persons, A maximum ...
  • N.D.Minh, M. Vetterli, _ Finite Ridgelet Transform for Image Repre ...
  • J.Candes, "Ridgelets: theory and applications", Ph.D. thesis, Department of Statistics, ...
  • S. R .Deans, "The Radon Transform and Some of its ...
  • P. Campisi, A. Neri, G. Scarano, "Mode] based rotation invariant ...
  • S.Arivazhagan, L.Ganesan, T.G.Subash Kumar, :Texture classification using Curvelet Statistical and ...
  • D. L. Donoho , M. R. Duncan, "Digital Curvelet Transform: ...
  • J.L. Starck, E. Candes, D.L. Donoho, "The Curvele Transform for ...
  • I.J. Sumana, M.M Islam, D. Zhang, G. Lu, " Content ...
  • A. Majumdar, Bangla Basic Character Recognition Using Transform, Journal of ...
  • Recognition Research 1, 17-26, 2007 ...
  • E. J. Candes, D. L. Donoho, "Curvelets _ A Surprisingly ...
  • N. D. Minh, :Directional Multiresolution Image Representation s", PhD thesis, ...
  • نمایش کامل مراجع