research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Foreground Object Detection Based on Chrominance and Texture Features with Enhancement by Canny Filter
اكتشاف الكائن استنادا الى ميزات التلون والقوام وتحسينها باستخدام المرشح Canny

Author: Muna Ghazi Abdul Sahib منى غازي
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2018 Volume: 9 Issue: 2 اللغة الانكليزية Pages: 171-193
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

The foreground object detection became very important in a computer vision system and has a many applications such as recognition, object tracking, counting, classifying, home surveillance, traffic monitoring, video monitoring, medical image and in other multimedia applications. So that each of these applications needs a method for object detection, therefore, requires improving new methods and algorithms for processing this information. This paper proposes foreground objects detection approach based on the chrominance and texture features with canny enhance filter. The input is background image and current image and the output are the detecting foreground objects. The proposed approach consists of three steps: first the features extracting which are chrominance and texture features (these features are robust against to illumination changes, noise, and shadows) from a current and background image. Then, the similarity matching is computed for each feature. Finally, canny filter are used to enhance the results. Furthermore, we evaluate our approach using evaluation measures which are precision, recall, and F-measure, to give 0.922 as an average accuracy of the proposed method and with average consumption time about 0.5778923 seconds. This concludes that proposed method very efficient against the limitation of challenges and obstacles.

أصبح الكشف عن الكائنات الامامية مهمًا جدًا في نظام الرؤيا بالحاسوب ولديه مجموعة واسعة من التطبيقات مثل تتبع الكائنات ، والتمييز ، والعد ، والتصنيف ، والمراقبة المنزلية ، ومراقبة حركة المرور ، ومراقبة الفيديو ، والصورة الطبية ، وتطبيقات الوسائط المتعددة الأخرى. لذلك كل واحدة من هذه التطبيقات تحتاج إلى طريقة لاكتشاف الكائن ، وبالتالي ، يتطلب تحسين طرق وخوارزميات جديدة لمعالجة هذه المعلومات. في هذا البحث ، الطريقة المقترحة تستخدم خصائص التلون و القوام مع تحسينها من خلال canny filter لكشف الكائنات الأمامية. المدخلات هي صورة المقدمة وصورة الخلفية و المخرجات هي الكائنات الامامية المكتشفة. تتكون الطريقة المقترحة من ثلاث خطوات: أولا استخلاص الخصائص و هي خاصية التلون و القوام (هذه الخصائص قوية ضد تغيرات الإضاءة والضوضاء والظلال) من صورة المقدمة والخلفية. ثم ، يتم حساب مطابقة التشابه لكل ميزة. وأخيرًا ، لتحسين النتائج ، يستخدم في هذا البحث فلترًا وهو canny. بالاضافة الى ذلك ، قمنا بتقييم طريقتنا باستخدام مقاييس التقييم التي هي الدقة ، والتذكير ، والمقياس F ، حيث اعطى 0.922 كمتوسط دقة للطريقة المقترحة وكان متوسط زمن المستغرق حوالي 0.5778923 ثانية. نستخلص من هذا أن الطريقة المقترحة فعالة للغاية ضد تقييد التحديات والعقبات.


Article
Content-Based Audio Retrieval by using Elitism GA-KNN Approach
استرجاع الصوت بالاعتماد على المحتويات باستخدام اسلوب النخبية GA-KNN

Loading...
Loading...
Abstract

The digital audio became very popular and important in a computer user experience. The increasing amounts of audio data requires improvement, new methods and algorithms for processing this information. In this paper, our approach proposed the GA-KNN approach (Genetic Algorithm with K-Nearest Neighbor as fitness function) for content-based audio retrieval. The input is an audio file (query) and the output is a list of audio files ranked by their similarity. The system first extracts the features from an audio database and audio query. The query pattern is considered as a boundary for comparison. Then, the initial population in a genetic algorithm is constructed from a database containing all audio features. To improve the results, this paper uses Cosine measure in the genetic algorithm, and an improved selection method selection method to prevent the fittest chromosomes from being wasted in the new population by adding an Elitism feature, using 4% Elitism count. Furthermore, we proposed a new crossover method (Close Up-Feature Crossover) to create a new offspring by comparison between two audio patterns to query pattern. Finally, we evaluated our approach using a well-known audio database, which contains 409 sound samples of 16 classes to give 0.71475 as a precision of the audio retrieval.

الصوت الرقمي شائعة جدا ومهمة في تجربة مستخدم الكمبيوتر. تتطلب الكميات المتزايدة من البيانات الصوتية تحسين طرق وخوارزميات جديدة لمعالجة هذه المعلومات. الطريقة المقترحة تستخدم طريقة GA-KNN( الخوارزمية الجينية مع الجارK الأقرب كدالة الافضل) لاسترجاع محتوى الملفات الصوتية. المدخل هو الملف الصوتي (الاستعلام) والمخرجات هي قائمة من الملفات الصوتية التي تكون متدرجة على اساس تشابهها. بالبداية, النظام يستخلص الخصائص ذات الصلة من قاعدة بيانات واستعلام الصوت ثم يعتبر نمط الاستعلام كحد للمقارنه. انشاء العناصر الأولية من قاعدة بيانات جميع خصائص الصوت. ومع ذلك، فإن مقياس التشابه الذي أساسها المسافة الإقليدية بين أنماط الصوت إلى الاستعلام يعاني من مشاكل: نتائج الاسترجاع المقابلة لأنماط الاستعلام المختلفة داخل نفس الفئة قد تكون تختلف كثيرا وسوف يكون متوسط دقة الاسترجاع منخفضة, لذلك في هذا البحث يستخدم قياس جيب التمام في KNN . تم تحسين طريقة الاختيار لمنع الكروموسومات الافضل من ان تفقد في العناصر الجديدة، وذلك بإضافة ميزة النخبوية, 4٪ النخبية. اقتراح طريقة تقاطع جديدة (تقاطع الخاصية الاقرب) بواسطة المقارنة بين انماط الصوت ونمط الاستعلام . وأخيرا تم تقييم اسلوبنا باستخدا قاعده بيانات شائعه للصوت تتالف من 400 صوت و 16 صنف وكانت دقة الاسترجاع هي 0.71475

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2018 (1)

2017 (1)