Combining Hadamard Matrix, Discrete Wavelet Transform and DCT Features based on PCA and KNN for Image Retrieval
محل انتشار: مجله مهندسی برق مجلسی، دوره: 7، شماره: 1
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 56
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MJEE-7-1_002
تاریخ نمایه سازی: 3 آبان 1402
چکیده مقاله:
Image retrieval is one of the most applicable image processing techniques which have been used extensively. Feature extraction is one of the most important procedures used for interpretation and indexing images in content-based image retrieval (CBIR) systems. Reducing dimension of feature vector is one of challenges in CBIR systems. There are many proposed methods to overcome these challenges. However, the rate of image retrieval and speed of retrieval is still an interesting field of researches. In this paper we propose a new method based on combination of Hadamard matrix, discrete wavelet transform (HDWT۲) and discrete cosine transform (DCT) and we used principal component analysis (PCA) to reduce dimension of feature vector and K-nearest neighbor (KNN) for similarity measurement. The precision at percent recall and ANR are considered as metrics to evaluate and compare different methods. Obtaining results show that the proposed method provides better performance in comparison with other methods.
کلیدواژه ها:
Content-based image retrieval (CBIR) ، en ، Hadamard matrix and discrete wave let transform (HDWT۲) ، discrete cosine transform (DCT)
نویسندگان
Hassan Farsi
Department of Electronics and Communications Eng., University of Birjand, Birjand, Iran
Sajad Mohamadzadeh
Department of Electronics and Communications Eng., University of Birjand, Birjand, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :