research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Evaluation of Clustering Image Using Steady State Genetic and Hybrid K-Harmonic Clustering Algorithms

Loading...
Loading...
Abstract

Abstract- The goal of clustering is to determine the intrinsic grouping in a set of unlabeled data depending on some similarity measure (e.g. Euclidean distance).In this paper a steady state genetic algorithm (SSGA) approach is used to cluster true color images. After splitting the original images into red, green and blue components and displaying the image of each part, Steady State Genetic Algorithm (SSGA) is used to cluster the image to determine the number of clusters for the image by generating an initial population randomly and then applying the different operations of GA such as fitness function computation, selection, crossover, mutation and stopping condition. In the Crossover stage 1X, PMX and UX methods used for crossover between two parents to produce a new child. In addition to that another clustering method which combines k-mean algorithms and k-harmonic mean algorithms are used. The last clustering algorithm uses two functions to find the cluster centers for each image. Finally root mean square error is used to find the difference between the clustering and original image.


Article
Clouds Height Classification Using Texture Analysis of Meteosat Images
تصنيف ارتفاع الغيوم باستخدام التحليل النسيجي لصور القمر الصناعي الميتيوسات

Authors: Alyaa H. Ali علياء حسين علي --- Laith A. Al Ani ليث عبد العزيز العاني --- Loay A. George لؤي ادور جورج
Journal: Baghdad Science Journal مجلة بغداد للعلوم ISSN: 20788665 24117986 Year: 2014 Volume: 11 Issue: 2 عدد خاص بالمؤتمر النسوي الثاني Pages: 652-659
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In the present work, pattern recognition is carried out by the contrast and relative variance of clouds. The K-mean clustering process is then applied to classify the cloud type; also, texture analysis being adopted to extract the textural features and using them in cloud classification process. The test image used in the classification process is the Meteosat-7 image for the D3 region.The K-mean method is adopted as an unsupervised classification. This method depends on the initial chosen seeds of cluster. Since, the initial seeds are chosen randomly, the user supply a set of means, or cluster centers in the n-dimensional space.The K-mean cluster has been applied on two bands (IR2 band) and (water vapour band).The textural analysis is used where six parameters are calculated from the Co-occurrence matrix. These parameter were inserted in the K-mean. The best classifier feature is the angular second moment. When we use the angular second moment is used with any textural feature a good result were obtained for cloud classification, since the angular second moment gives indications on cloud homogeneity.

في هذا البحث، يمكن الحصول على تميزالأنماط بواسطة التباين وحساب التغاير لصور الغيوم . حيث يتم تطبيق عملية تجميع K-كوسيلة لتصنيف انواع الغيوم، لقد تم اعتماد تحليل النسيج لاستخراج بعض الخصائص التي تستخدم في عملية تصنيف انواع الغيوم. الصور التي تم استخدامها في عملية التصنيف هي صور القمر الصناعي الانوائي المتيوسات-7 حيث الصوره الماخوذه هي لمنطقة-D3 التي تشمل العراق ومنطقة الخليج والمناطق المحيطه به. لقد تم اعتماد طريقة التصنيف الغير موجه وهي طريقة عنقدة k ويتم اختيار البذور الأوليه بشكل عشوائي، عملية عنقدة k تم تطبيقها على حزمة بخار الماء والحزمه التحت الحمراء, ان طريقة التحليل النسيجي هي احد الطرق المهمه لتصنيف ارتفاعات الغيوم حيث تم استخدم مصفوفة التدرج اللوني ومن خلالها تم حساب بعض الخصائص الاحصائيه, عملية المزج بين طريقة التحليل النسيجي وطريقة تجميع k ساعدت باختيار افضل الخصائص الاحصائيه لتصنيف ارتفاعات الغيوم حيث اعتبر العزم الثنائي الزاوي هو افضل الخصائص الاحصائيه لتصنيف ارتفاعات الغيوم.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2014 (2)