إلغاء الصفات غير المهمة من الصور حقيقية الالوان باستخدام تقنية التقطيع

Abstract

ABSTRACT
In this work a new approach was built to apply k-means algorithm on true colored images (24bit images) which are usually treated by researchers as three image (RGB) that are classified to 15 class maximum only. We find the true image as 24 bit and classify it to more than 50 classes. As we know k-means algorithm classify images to many independent classes or features and we could increase the class number therefore we could remove the classes or features that have minimum number of pixels which are considered unimportant features and reconstruct the images.
Correlation factor and Signal to Noise Ratio were used to measure the work and the results seems that by increasing the image resolution the effect of removing minimum features is decreased.
The CSharp (Visual Studio 2008) programming language was used to build the algorithms which are able to allocate huge matrices in high execution time.
الملخص
تم في هذا العمل بناء طريقة جديدة لتطبيق خوارزمية k-means على الصور الملونة الحقيقية (24bit) والتي اعتاد الباحثون عند التعامل معها على تقسيمها الى ثلاثة صور RGB والتي عادة لايمكن ان يتعدى عدد اصنافها 15 صنف فقط، حيث قمنا بإيجاد الصورة الفعلية الحقيقية كـ 24bit وتصنيفها الى عدد كبير من الاصناف تتجاوز الخمسون صنفا وكما نعلم فان خوارزمية k-means تصنف الصور الى عدد كبير من الأصناف او الخصائص مستقلة وحسب مقدار استقلالية كل صنف وبما اننا استطعنا زيادة عدد الاصناف مما مكننا من الغاء الاصناف او الخصائص الاقل عددا من الوحدات الصورية للصورة والتي تعتبر اقل اهمية بالنسبة للصورة واعادة تركيب الصور.
تم قياس تنفيذ العمل باستخدام عامل الارتباط ونسبة الاشاره الى الضوضاء واظهرت النتائج انه كلما ازدادت دقة الصورة (ابعادها) كلما قل تأثير حذف الأصناف غير المهمة منها.
تم تطبيق خوارزميات البحث باستخدام لغة CSharp (Visual Studio 2008) البرمجية والتي توفر إمكانيات عالية لحجز المصفوفات وكذلك سرعة عالية في التنفيذ.