دسته بندی تصاویر بافتی با استفاده از یک روش غیرحساس نسبت به چرخش مبتنی بر موجک های گابور
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 691
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_065
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
در این مقاله یک روش دسته بندی تصاویر بافتی ارائه می شود که از موجک گابور برای استخراج ویژگی تصویر استفاده می شود. در این روش، پس از محاسبه ضرایب موجک گابور در مقیاس ها و زوایای مختلف، آنتروپی و کنتراست ضرایب به عنوان ویژگی استخراج می گردد. سپس با استفاده از روشی به نام شیفت چرخشی، تاثیر دوران از بردار ویژگی حذف شده و ویژگی ها نسبت به دوران نرمال می گردند. پس از نرمال سازی چرخش، با استفاده از روش نزدیک ترین همسایه، نمونه جدید دسته بندی می شود. روش پیشنهادی بر روی دو گروه تصاویر بافتی چرخش یافته از آلبوم برودتز مورد آزمایش قرار گرفت و برای هر دو گروه دقت سیستم به بیش از 90% رسید. مقایسه این روش با روش های دیگر نشان داد که سیستم پیشنهادی بهتر و دقیق تر عمل می کند
Keywords:
Authors
فاطمه احمدی
دانشکده ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران
محمد حسین سیگاری
قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران
محمد ابراهیم شیری
دانشکده ریاضی و علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :