Share
تحليل المعالم النسيجية الاحصائية للصور الرمادية == Statistical Textural Features Analysis for Gray Images
Author name:
سارة عباس عاصم النقشبندي
Supervisor name:
ليث عبد العزيز العاني
General topic:
Computer Science
Specific topic:
Computer Science
Degree:
Master
University:
Al-Nahrain University - College Of Science - Department Of Computer Science
Language:
English
University location:
Baghdad
First pages:
28T806 - p.pdf
Abstract:
تعتبر عملية استخراج المعالم المميزة characteristic features)) احدى الطرق المعتمدة لغرض تميز الانماط في الصور, كما تعتبر عملية استخراج المعالم المميزة بشكل عددي احدى الطرق المعتمدة لغرض تميز الانماط في الصور الرقمية, كما تعتبر عملية استخراج المعالم المميزة باعتماد مصفوفة التواجد ((Co - occurrence matrix احدى اهم الطرق المستخدمة لغرض تميز الانماط في الصور النسيجية. يهدف البحث الى دراسة المعالم المميزة للصور النسيجية ولهذا الغرض تم اختيار ثمان من المعالم او المتغيرات وهي : (Maximum probability, entropy, homogeneity, cluster shade, cluster prominence, contrast, angular second moment and inverse difference moment)في هذا البحث تم استخدام طريقتين لحساب هذه المتغيرات باعتماد مصفوفة التواجد, ففي الطريقة الاولى تم حساب المتغيرات اعتمادا على معدل مصفوفة التواجد والمحسوبة للزوايا ( o0 , o45 , o90 , وo135) اما الطريقة الثانية فقد تم حساب المتغيرات اعتمادا على مصفوفة التواجد ولكل زاوية من الزوايا ( o0 , o45 , o90 , وo135) حيث يتم استخراج اربع قيم لكل من المتغيرات المختارة ومن ثم يتم حساب المعدل لكل من هذه المتغيراتولتنفيذ الطرق المقترحة في هذا البحث تم اختيار ثلاثة اشكال من الصور النسيجية والتي تم توظيفها كصور اختباريه لحساب المتغيرات المختارة.تم تكميم الصور لمستويات مختلفة ( 8 ,16, 32)ومن ثم تم تجزئة الصور الى مربعات بابعاد مختلفة(64×64 و32×32) ثم تم تطبيق الطرق المقترحة على كل صورة من الصور المختارة ولكل حالة من الحالات المشار اليها. اظهرت النتائج ان معظم قيم المتغيرات المحسوب متطابقة في كلا الطريقتين ولكل حالة من حالات التكميم والتجزئة عدا قيم ال entropy حيث اظهرت القيم تغيرا محسوسا في كلا الطريقتين ولكل حالة من حالات التكميم والتجزئة. يمكن توظيف هذه النتيجة لغرض زيادة الدقة في تصنيف الصور النسيجية عندما تكون المناطق المختلفة ذات الطبيعة النسيجية متقاربة من بعضها من حيث الشكل. | The process of the characteristic feature extraction is one of the adopted techniques for the purpose of pattern recognition in the images. The process of the characteristic feature extraction numerically is one of the adopted techniques for the purpose of pattern recognition in the digital images, and the process of the characteristic feature extraction depending on the Co - occurrence matrices is one of the most important techniques for the purpose of pattern recognition in the textured images. This work aim to study the characteristic features for the textured images, eight characteristic features are selected to investigate the aim of this work. These selected features are : Maximum probability, entropy, homogeneity, cluster shade, cluster prominence, contrast, angular second moment, and the inverse difference moment.In this research, the characteristic features depending on the Co - occurrence matrix are extracted in two ways. In the first one, the characteristic features are extracted depending on average Co - occurrence matrices which be extracted for four angles (0o, 45o, 90o, and 135o). While in the second method, the characteristic features are extracted depending on the Co - occurrence matrix for each angle of the following angles (0o, 45o, 90o, and 135o). In this method, four values for each of the selected characteristic features are extracted. Then the average values for each of the characteristic features are extracted depending on the extracted four values.To study the effect of block size on the calculation of the statistical characteristic features, the statistical features are calculated for the whole image and for each block in the image after dividing the image into blocks with block size (32x32) and for each block in the image after dividing the image into blocks with block size (64x64). In addition, to study the effect of quantization level on the calculation of the statistical characteristic features three values (8, 16 and 32) of quantization level are adopted in this research.All the calculations are applied on the three textured images with 256 gray levels selected from Brodatz album. The results show the calculation for most the selected features not change except the feature of the entropy where the difference in the extracted value of the entropy in the two ways is perceptible. This property can be utilized to increase the discrimination power in the classification process.
