The fact that the signature is widely used as a means of personal verification emphasizes the need for an automatic verification system. Verification can be performed either Offline or Online based on the application. Offline systems work on the scanned image of a signature. In this paper an Offline Verification of handwritten signatures which use set of simple shape based geometric features. The features used are Mean, Occupancy Ratio, Normalized Area, Center of Gravity, Pixel density, Standard Deviation and the Density Ratio. Before extracting the features, preprocessing of a scanned image is necessary to isolate the signature part and to remove any spurious noise present. Features Extracted for whole signature first, then extracted for every part after dividing the signature into four sections. For verification, statistical verification techniques are used (Euclidean Distance, Hellinger Distance and Square Chord Distance). The system is trained on three datasets of signatures. The first and the second datasets have English signatures while the third one is collected from people; it contains Arabic and English signatures. The system has been tested on every dataset. The experimental results show that the Euclidean Distance has the average accuracy of 94.42, the Hellinger Distance has the average accuracy of 95.27 and the Square Chord Distance has the average accuracy of 93.14. That result for whole the image and the following average accuracy for image using grid the Euclidean Distance has the average accuracy of 93.54, the Hellinger Distance has the average accuracy of 95.87, and the Square Chord Distance has the average accuracy of 95.93.

يستخدم التوقيع كوسيلة للتحقق من هوية الشخص عليه نحتاج لنظام للتحقق من صحة التواقيع . التحقق يتم اما بصورة مباشرة او غير مباشرة . فنظام التحقق غير المباشر يعمل على صور للتواقيع . في هذا البحث اقترح نظام للتحقق من صحة التواقيع يعتمد استخراج الخصائص الهندسية للتوقيع. الخصائص الهندسية المستخدمة هي : المتوسط الحسابي, النسبة التي يشغلها التوقيع , نسبة الكثافة , مركز الثقل , كثافة البيكسل , الانحراف المعياري واخيرا نسبة العرض الى الارتفاع . وقبل استخراج هذه الخصائص يجب تجهيز الصورة من خلال عمل بعض الامور منها ازالة الضوضاء من الصورة , تحويلها الى الابيض والاسود , وازالة اي حواف غير مرغوب بها وما الى ذلك من امور لتكون جاهزة لاستخراج الخصائص منها. الخصائص استخلصت للصورة كاملة ومن ثم جزئت الصورة الى اربع اجزاء واستخلصت خصائص كل جزء . واما بالنسبة للتحقق من صحة التوقيع فسوف يتم ذلك عن طريق استخدام ثلاثة طرق احصائية هي Euclidean Distance, Hellinger DistanceSquare Chord Distance .فيتم تدريب النظام باستخدام ثلاث مجاميع بيانات من التواقيع مجموعتي البيانات الاولى والثانية تواقيع انكليزية اما بالنسبة للثالثة فتم جمعها من اشخاص وهي عبارة عن تواقيع عربية وانكليزية . واخيرا استخلصنا نتائج الدقة لل Eucliden distance 94.42 ولل Hellinger Distance هي 95.27 ولل Square Chord Distance هي 93.14 هذا في حالة استخلاص الخصائص للتوقيع مرة واحدة. و نتائج الدقة لل Eucliden distance هي 93.54 ولل Hellinger Distance هي 95.87 ولل Square Chord Distance هي 95.93 هذا في حالة استخلاص الخصائص بعد تقسيم التوقيع الى اربعة اجزاء .استنتجنا من هذه ان النتائج تعتمد على البيانات المختبرة فنلاحظ ان لمجاميع البيانات الاولى Hellinger Distance هي الافضل وهكذا كما وضح سابقا في نتائج الدقة .

handwritten --- signature --- verification --- feature extraction.

AbstractIn this paper a new algorithm has been developed to enhance spatial structure by using texture feature extraction. Then, this algorithm has been programmed and an integrated program has been prepared by using Microsoft Visual C++ 6.0. In order to ascertain the usefulness of this algorithm, it has been applied in two groups of images, the first group consisted of three images of different feature. The results have been evident enhancement in spatial; structure. The second group of images consisted of multi-spectral images taken by Thematic Mapper (TM) in the city of Mosul. The results of this algorithm have been used in the classification.The measurement of classification accuracy of the results of this algorithm compared with the original images which have not undergone any spatial structure enhancement revealed that this algorithm executed the process of texture feature extraction excellently. Further, the results were clear in the barren areas, Agricultural fields and the other areas as well. Keywords: texture feature extraction, Spatial filter , Classification

الملخصفي هذا البحث تم تطوير خوارزمية جديدة لتحسين التركيب المكاني باستخدام انتزاع ميّزة القوام ومن ثم برمجة هذه الخوارزمية وعمل برنامج متكامل بهذا الخصوص، باستخدام لغة مايكروسوفت فيجول سي++ الإصدار السادس. ولتحقق من كفاءة هذه الخوارزمية فقد طبقت على مجموعتين من الصور، المجموعة الأولى تضمنت ثلاثة أنواع من الصور مختلفة الخصائص، والنتائج كانت تحسين واضح في التركيب المكاني. المجموعة الثانية تضمنت صور متعدد الأطياف مأخوذة عن طريق المتحسس TM لمدينة الموصل. ومن ثم استخدم نتائج هذه الخوارزمية في التصنيف. وعند قياس دقة التصنيف لنتائج هذه الخوارزمية مقارنة بالصور الأصلية دون تحسين التركيب المكاني، تبين أن هذه الخوارزمية قامت بانتزاع ميّزة القوام بشكل ممتاز وكانت هذه النتائج أكثر وضوحاً في المناطق القاحلة والحقول الزراعية إضافة إلى المناطق الأخرى.

Keywords: texture feature extraction --- Spatial filter --- Classification

A new simple, fast, and efficient method is used in this research for recognizing Hindi numerals (0,1,2,3,4,5,6,7,8,9), that are usuallyused by Arabic population. This method is simply depends on determining number of terminal points and its positions. Only four features are added when there are similarity between numerals (have the same number of terminals and position). Different fonts with different sizes are tested and the result of the recognition rate for 13 font type is 100%.

في هذا البحث تم استخدام طريقة جديدة بسيطة, سريعة, كفؤة لتمييز الأرقام الهندية (1,2,3,4,5,6,7,8,9, 0)، والتي تستخدم عادةً في البلدان العربية. الطريقة المستخدمة وببساطة تعتمد بصورة رئيسية على تحديد عدد النقاط الطرفية ومواقعها لكل عدد. وتم إضافة أربع خصائص أخرى عندما وجد تشابه بين الأعداد (أي لها نفس عدد ومواقع النقاط الطرفية). تم الفحص باستخدام أنواع مختلفة من الخطوط وبإحجام متباينة وكانت نتيجة التمييز هي 100% لـ 13 نوع من الخطوط.

Hindi numerals --- Terminal points --- Feature Extraction --- Recognition

Feature extraction provide a quick process for extracting object from remote sensing data (images) saving time to urban planner or GIS user from digitizing hundreds of time by hand. In the present work manual, rule based, and classification methods have been applied. And using an object- based approach to classify imagery. From the result, we obtained that each method is suitable for extraction depending on the properties of the object, for example, manual method is convenient for object, which is clear, and have sufficient area, also choosing scale and merge level have significant effect on the classification process and the accuracy of object extraction. Also from the results the rule-based method is more suitable method for extracting most features, since it depends on different variable which belong to the objects.

استخراج الميزة توفر عملية سريعة لاستخراج الية الكائن من بيانات الاستشعار عن بعد للمخطط الحضري باقصر وقت او مستخدم نظم المعلومات الجغرافية اذا مااستخدمت الحسابات التقليدية..في العمل الحالي تم تطبيق ثلاث طرق ( (manual, rule based, classificationاعتمادا على( (object-base approach لتصنيف الصورة .من النتائج التي تم الحصول عليها ان كل طريقة تكون مناسبة للاستخراج اعتمادا على خصائص الكائن ،على سبيل المثال الطريقة اليدوية تكون سهلة ومريحة بالنسبة للكائن الواضح والمساحات الكافية ،وكذلك اختيار حجم و مستوى الدمج لها تأثير كبير على عملية التصنيف ودقة استخراج الكائنات ومن النتائج ايضا تبين ان طريقة (rule- based) هي انسب طريقة لاستخراج معظم الميزات كونها تعتمد على اكثر من خاصية تخص الكائن.

Feature extraction --- rule-based --- manual method --- classification

Anemia is one of the common types of blood diseases, it lead to lack of number of RBCs (Red Blood Cell) and amount hemoglobin level in the blood is lower than normal.In this paper a new algorithm is presented to recognize Anemia in digital images based on moment variant. The algorithm is accomplished using the following phases: preprocessing, segmentation, feature extraction and classification (using Decision Tree), the extracted features that are used for classification are Moment Invariant and Geometric Feature. The Best obtained classification rates was 84% is obtained when using Moment Invariants features and 74 % is obtained when using Geometric Feature. Results indicate that the proposed algorithm is very effective in detection distorted red blood cells and this helps the medical technician to decide the type of Anemia in Laboratory analyzes in the hospitals.

فقر الدم هو واحد من الأنواع الشائعة من أمراض الدم، وانه يؤدي إلى نقص في عدد كريات الدم الحمراء (خلايا الدم الحمراء) وكمية مستوى الهيموجلوبين في الدم أقل من الطبيعي .في هذا البحث تم تقديم خوارزمية جديدة لتمييز مرض فقر الدم في الصور الرقمية وهذه الخوارزمية انجزت باستخدام المراحل التالية : معالجة الصورة ، تقطيع الصورة، استخراج الميزات والتصنيف باستخدام شجرة القرار، ويتم استخراج الميزات باستخدام نوعين من الميزات : العزوم الثابتة و الصفات الهندسية. تم الحصول على افضل نسبة للتصنيف 84٪ عند استخدام العزوم الثابتة ، و 74٪ تم الحصول عليها عند استخدام الميزات الهندسية، النتائج تشير الى ان الخوارزمية المقترحة فعالة جدا في الكشف عن تشويه خلايا الدم الحمراء وهذا يساعد أيضا فني طبي لاتخاذ قرار عن نوع فقر الدم في التحليلات المختبرية في المستشفيات.

Anemia --- Feature Extraction --- Moment invariant --- Recognition