TY - JOUR ID - TI - Image Recognition Using Combination of Multiwavelet and Radon Transforms with Neural Network AU - Ahmed Q. AL-Thahab PY - 2012 VL - 20 IS - 1 SP - 315 EP - 329 JO - Journal of University of Babylon مجلة جامعة بابل SN - 19920652 23128135 AB - In many of the digital image processing application, observing image is modeled to be corrupted by different type of noise that result in a noisy version. Hence, image classification is an important problem that aim to find an estimate version from image have a noise that is close to the original image as possible. In the last few years, for image classification, accuracy of previous methods like Fourier transform, wavelet transform, and other methods are not so high, so they neglect some particular characters of image data. In this paper, classification method based on multiwavelet transform and radon transform that proposed, and these two transforms combine together to extract useful information from image, and then forward these features extraction for classification by using robust method of artificial neural network. The aim of this paper is that how the noisy image can be classified properly into original image via high recognition rate. A successful recognition rate of 99.3% was achieved.

في عديد من تطبيقات معالجة الصورة الرقمية، الصورة المرئية صممت لكي تكون مشوشة عن طريق أنواع مختلفة من الضوضاء التي نتجت من صورة صاخبة. لذالك، تصنيف الصور يكون من المشاكل المهمة التي تهدف إلى إيجاد نسخة مخمنة من صورة تمتلك ضوضاء والتي تكون مقاربة الى الصورة الأصلية بقدر الإمكان. في السنوات القليلة الماضية، لتصنيف الصور، دقة الطرق السابقة مثل تحويل فورير، تحويل المويجة، وطرق أخرى ليست عالية جدا، بحيث إنها تهمل بعض الصفات الخصوصية المتعلقة ببيانات الصورة. في هذا البحث، طريقة التصنيف المعتمدة على أساس تحويل متعدد المويجة وتحويل الرادون قد اقترحا، وكلا هذين التحويلين جمعا معا لاستخلاص المعلومات المفيدة من الصورة، وبعد ذلك إرسال هذه الخواص المستخلصة إلى الإمام للتصنيف عن طريق استخدام طريقة قوية في الشبكات العصبية. إن الهدف من هذا البحث هو الحصول على نسبة تمييز عالية للصورة الحاوية على ضوضاء واستخلاص صورة أصلية لها. وقد تم تحقيق نسبة تمييز ناجحة قدرها 99,3%. ER -