A novel combinational of filters for image classification, Breast cancer as a case study
Dissertation
Ali Fadhil Mohammed Bni Okba
Faculty of Computer Engineering
1400
68p.
cd
M.S.
Artificial intelligence
1401/03/03
Tabriz
Image processing is one of the important capabilities of computer science. Today image processing is used in various fields such as medicine, military, agriculture, etc. One of the most important steps in processing an image is extracting important and effective features. These features should have advantages such as performance, scalability, and stability. The proposed method for feature extraction is based on the combination of the Gabor Filter and Wavelet Transform. Due to the advantages of WPT over DWT, Gabor filters with WPT will be used in the proposed structure. Finally, we compared the proposed method with the Gabor Wavelet Scale-Mixing Wavelet and Hough Transform methods. The results indicate the superiority of the proposed method over these methods.
پردازش تصویر یکی از قابلیت های مهم علوم کامپیوتر است که امروزه در زمینه های مختلف مانند پزشکی، نظامی، کشاورزی و غیره مورد استفاده قرار می گیرد. یکی از مهمترین مراحل در پردازش تصویر استخراج ویژگی های مهم و موثر از آن تصویر است. این ویژگی ها باید معیارهایی مانند عملکرد، مقیاس پذیری و پایداری داشته باشند. روش پیشنهادی برای استخراج ویژگی مبتنی بر ترکیب فیلتر گابور و تبدیل موجک است. با توجه به مزایای WPT نسبت به DWT، فیلترهای Gabor با WPT در ساختار پیشنهادی استفاده خواهند شد. در نهایت، روش پیشنهادی را با روشهای موجک، موجک مقیاس گابور و تبدیل Hough مقایسه کردیم. نتایج نشان دهنده برتری روش پیشنهادی نسبت به این روش ها می باشد.
ارائه روشی ترکیبی بر اساس فیلترها برای طبقه بندی تصویر، سرطان سینه به عنوان مطالعه موردی
Gabor filter bank, Law’s features, Fourier Transform, Wavelet transform, Support Vector Machine, Wavelet Pocket transform.
بانک فیلتر گابور، تبدیل فوریه، تبدیل موجک، یادگیری ماشین، ماشین بردار پشتیبانی، تبدیل موجک پاکتی.