بهبود و بازیابی محتوایی تصاویر پزشکی با استفاده از ترکیب ویژگیهای دیداری

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 547

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF04_119

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

یک سیستم بازیابی تصویر مبتنی بر محتوا در صورتی که میانگین صحت بازیابی خوبی داشته باشد و بتواند در زمان کوتاهی، عمل بازیابی تصویر را انجام دهد سیستم مناسبی است. آزمایشات نشان میدهد که سیستمهای بازیابی که هر سهویژگی دیداری رنگ، شکل و بافت تصاویر را با یکدیگر ترکیب میکنند تا عمل استخراج ویژگیهای تصاویر را انجام دهند میزان صحت بازیابی بالایی دارند. در این مقاله ابتدا داده های مربوط به تصاویر پزشکی را در نظر گرفته و تلاش خواهد شدتا با استفاده از روشهای مرسوم استخراج ویژگی مبتنی بر ویژگیهای شکل، رنگ و بافت، ویژگیهای مهم تر داده ها راانتخاب کرده سپس نتایج بدست آمده از هریک از روشهای بهبود و بازیابی تصویر، بر اساس آن ویژگیها با یکدیگر مقایسه شود. در مرحله بعد، ویژگی های استخراج شده را با استفاده از روش پیشنهادی ارایه شده به تصاویر مورد نظر اعمال میکنیم. با توجه به اینکه در این مقاله، سیستم بازیابی تصاویری که ارایه شده است، هر سه ویژگی دیداری را با یکدیگر ترکیب کرده، در نتیجه، صحت بازیابی بالایی دارد.

کلیدواژه ها:

بهبود و بازیابی محتوایی تصاویر ، تصاویر پزشکی ، ویژگیهای دیداری ، تصویر MRI

نویسندگان

مسعود باباعلی

گروه مهندسی کامپیوتر، واحد آشتیان، دانشگاه آزاد اسلامی، آشتیان، ایران

منوچهر کاظمی

گروه مهندسی کامپیوتر، واحد آشتیان، دانشگاه آزاد اسلامی، آشتیان، ایران

علیرضا عموعابدینی

گروه مهندسی کامپیوتر، واحد صفادشت، دانشگاه آزاد اسلامی ،تهران ،ایران

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 :
  • اا5 [15] _ Zhang and G. Lu, _ Integrated Approach ...
  • P.W. Huang and S.K. Dai, "Image retrieval by texture similarity", ...
  • R. Torres and A. Falcao, _ Content-B ased Image Retrieval: ...
  • H. Muller, N. Michoux, D. Bandon, and A. Geissbuhler, ":A ...
  • S. Shambharkar and S. Tirpude, "Fuzzy C-Means Clustering For Content ...
  • T. Dharani and L. Aroquiaraj, _ Survey on Content Based ...
  • M. Jain and S.K. Singh, "A Survey On: Content Based ...
  • J. Yue, Z. Li, L. Liu, and Z. Fu, _ ...
  • novel retrieval model based On the most relevant features", Knowledge ...
  • M. Singha and K. H emachandran, :Content Based Image Retrieval ...
  • S. Teng and G. Lu, "Image indexing and retrieval based ...
  • C. Lin, D. Huang, Y. Chan, K. Chen, and Y. ...
  • efficient shape based approach to image retrieval", Patter An؛" [13] ...
  • B. Prasad, K. Biswas, and S. Gupta, "Region-based image retrieval ...
  • B. Carterette and R. Jones, "Evaluating search engines by modeling ...
  • D. Goldfarb, S. Ma, and K. Scheinberg, "Fast altermating linearization ...
  • _ J. Platt, , "Fast training of support vector machines ...
  • نمایش کامل مراجع