research centers


Search results: Found 1

Listing 1 - 1 of 1
Sort by

Article
Using Principal Component Analysis to Extract Information and Texture Enhancement in Digital Image Processing
إستخدام تحليل المكونات الرئيسية لأستخلاص المعلومات وتحسين النسجة في معالجة الصور الرقمية

Loading...
Loading...
Abstract

Abstract This paper tackles with one of the multivariate methods in digital image processing, namely (Principal Component Analysis) (PCA) to extract useful information and Texture Enhancement by reducing the dimensions of images. A Multivariate Microscope Image of cell nucleus of wheat and satellite image of Erbil was used. It was concluded that, (PCA) can show information on(components and nucleus cell ... etc.)and information on (changes developments in land cover, buildings and forests of the city), the first component interpreted (97.67%)(99.73),respectively of the total variance, giving clearer image of characteristics and information with a (2.33%) (0.23%) loss (noise).The loading values of PC'S assisted in clarifying the distribution of image elements (pixels) so that elements with similar characteristics appear homogeneous cluster, that enables to identify and determine regions of interest (ROI), this supports specialists to increase the understanding and interpretation of the image. Key Word: Principal Component Analysis (PCA), Image Processing, Texture Enhancement, Region of Interest in Image (ROI).

المستخلص يتناول البحث أستخدام أحدى طرق متعدد المتغيرات في معالجة الصور الرقمية وهي تحليل المكونات الرئيسة (Principal Component Analysis)(PCA) لأستخلاص المعلومات المفيدة و تحسين النسجة من خلال تقليل الأبعاد الصورية. وتم أستخدام نوعين من الصور، الأول: صور مجهرية متعددة لنواة خلية الحنطة، والثاني: صورة من الأقمار الصناعية لمدينة أربيل، إذ تم الأستنتاج بأنه باستخدام تحليل (PCA) يمكن إظهار معلومات عن (مكونات الخلية ونواتها...الخ) ومعلومات عن(التغيرات الحاصلة في الغطاء الأرضي والمباني والغابات للمدينة)، فسرت المركبة الاولى بنسبة (97.67%)(99.73)على التوالي من التباين الكلي اي صورة أكثر وضوحاً للخصائص والمعلومات وبنسبة خسارة (ضوضاء) (2.33%)(0.23%)، وساهمت قيم تحميلات المكونات في توضيح توزيع عناصر الصورة (pixel) بحيث ان العناصر ذات الخصائص المتشابهة تظهر بشكل عنقود متجانس، ويمكن معرفة وتحديد مناطق ذات الأهمية (ROI) وهذا يفيد المختصين لزيادة فهم وتفسير الصورة. الكلمات الدالة:تحليل المكونات الرئيسة، معالجة الصور الرقمية، تحسين النسجة، مناطق ذات الأهمية.

Listing 1 - 1 of 1
Sort by
Narrow your search

Resource type

article (1)


Language

Arabic (1)


Year
From To Submit

2012 (1)