![](/images/graphics-bg.png)
Digital-image dimension reduction via analysis of principal component
Joint Authors
Khazal, Hasan Fahd
Hburi, Ismail
Zakur, Rusul F.
Flaih, Hasanin
Tahir, Mays M.
Source
Wasit Journal of Engineering Sciences
Issue
Vol. 10, Issue 2 (30 Jun. 2022), pp.210-215, 6 p.
Publisher
Wasit University College of Engineering
Publication Date
2022-06-30
Country of Publication
Iraq
No. of Pages
6
Main Subjects
Abstract AR
تشغل الصورة عالية الدقة مساحة تخزين أكبر، بالإضافة إلى صعوبة نقل البيانات PCA تحليل المكون الرئيسي) هو نهج رياضي يستخدم لتقليل أبعاد البيانات.
يستخرج النمط الرئيسي لنظام خطي باستخدام تقنية مصفوفات التحليل تتمثل أهداف هذه الورقة في معرفة مدى فعالية PCA في تقليل ميزات الصورة الرقمية ومقارنة جودة الصور ذات الميزات المختصرة بقيم تباين مختلفة.
كنتيجة لتوليف البحث الأولي، تتكون تقنية تقليل الأبعاد من خلال PCA عادة من أربع خطوات مهمة: (۱) تطبيع بيانات الصورة (۲) حساب مصفوفة التباين من بيانات الصورة (۳) استخدام تحليل القيمة الفردية (SVD) لاكتشاف إسقاط بيانات الصورة على أساس جديد مع عدد أقل من الميزات (٤) ابحث عن إسقاط بيانات الصورة على أساس جديد بخصائص أقل.
وفقا لنتائج الاختبار على ۵۰۰ صورة باستخدام لغة البايثون وبرنامج (3) anconda)، يقلل نهج PCA بشكل كبير من أبعاد بيانات الصورة مع الحفاظ على الخصائص الأساسية للصورة الأصلية.
أدى هذا الأسلوب إلى تقليل حجم الملف بنسبة ٣٥.٣ بالمائة للحصول على أفضل ميزة ذات جودة منخفضة.
تحسن وقت إرسال ملفات الصور عبر الإنترنت إلى حد كبير، لا سيما بالنسبة لتنزيلات الأجهزة المحمولة.
Abstract EN
A high-resolution image takes up more storage space, in addition to the data transit difficulty.
The Analysis of Principal Component, or PCA for a brief notation, is a mathematical approach utilized to lessen the data dimensionality.
It extracts the main pattern of a linear system using the factoring matrices technique.
The objectives of this paper are to see how effective PCA is in reducing digital picture features and to investigate the (feature-reduced) images' quality on comparison with different values of the variance.
As per the synthesizing of the initial research, the dimension or size reduction technique through the Analysis of Principal Component typically involves of 4-important steps : (1) picture-data normalizing (2) matrix of the covariance calculating using picture-data.
(3) discovering the picture-data projection (with fewer number of features) to a new basis use the Single Value Decomposition technique (SVD) (4) determining the picture-data projection (with fewer number of characteristics) to a new basis.
According to testing (500 picture) in language python and program anaconda3 results, the PCA approach considerably decreases the size of picture data while sustaining the original picture's fundamental properties.
This approach reduced file size by 35.3 percent for the best feature lowered quality.
The upload time of picture files through the Internet has substantially improved, particularly for mobile device downloads.
American Psychological Association (APA)
Zakur, Rusul F.& Hburi, Ismail& Flaih, Hasanin& Tahir, Mays M.& Khazal, Hasan Fahd. 2022. Digital-image dimension reduction via analysis of principal component. Wasit Journal of Engineering Sciences،Vol. 10, no. 2, pp.210-215.
https://search.emarefa.net/detail/BIM-1572524
Modern Language Association (MLA)
Zakur, Rusul F.…[et al.]. Digital-image dimension reduction via analysis of principal component. Wasit Journal of Engineering Sciences Vol. 10, no. 2 (2022), pp.210-215.
https://search.emarefa.net/detail/BIM-1572524
American Medical Association (AMA)
Zakur, Rusul F.& Hburi, Ismail& Flaih, Hasanin& Tahir, Mays M.& Khazal, Hasan Fahd. Digital-image dimension reduction via analysis of principal component. Wasit Journal of Engineering Sciences. 2022. Vol. 10, no. 2, pp.210-215.
https://search.emarefa.net/detail/BIM-1572524
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 214-215
Record ID
BIM-1572524