3-D object recognition using multi-wavelet and neural network
Joint Authors
Ismail, Tariq Ziyad
Abbud, Zaynab Ibrahim
Source
Issue
Vol. 18, Issue 1 (31 Jan. 2012), pp.78-94, 17 p.
Publisher
University of Baghdad College of Engineering
Publication Date
2012-01-31
Country of Publication
Iraq
No. of Pages
17
Main Subjects
Information Technology and Computer Science
Topics
Abstract AR
هذا البحث يقدم تقنيات تحويل الموجة المتعددة و الشبكة العصبية الاصطناعية لتمييز الأجسام الثلاثية من صور ثنائية الأبعاد باستعمال الشرائح.
التقنيات المقترحة تختبر عن طريق بيانات تحوي خصائص الشرائح المختلفة و الجزء ذات الطاقة العالية بعد استخدام أسلوب يعتمد على تحويل الموجة المتعددة للشرائح.
مجموعة الاختبار تحتوي على مجموعتين المجموعة الأولى تحتوي على صور و شرائح و خصائص الشرائح و الجزء ذات الطاقة العالية بعد استخدام أسلوب يعتمد على تحويل الموجة المتعددة للشرائح تشابه بعض تلك الموجودة في قاعدة البيانات.
أما المجموعة الثانية فتحتوي على صور، شرائح، خصائص الشرائح و الجزء ذات الطاقة العالية بعد استخدام أسلوب يعتمد على تحويل الموجة المتعددة للشرائح تشابه بعض تلك الموجودة في قاعدة البيانات لكن بعد إجراء تحويرات عليها مثل التدوير، التصغير، التكبير و التزحيف.
التمييز باستخدام الشبكات العصبية الاصطناعية للمجموعة الأولى أعطت نسبة (94 %) و (83 %) باستخدام الخصائص و الجزء ذات الطاقة العالية للشرائح على الترتيب و التي هي أفضل مقارنة بالتمييز بطريقة قياس المسافة الأقل للتشابه.
أما بالنسبة للتمييز باستخدام الشبكات العصبية الاصطناعية للمجموعة الثانية فقد أعطت نسبة (94 %) و (72 %) باستخدام الخصائص و الجزء ذات الطاقة العالية للشرائح على الترتيب و التي هي أفضل مقارنة بالتمييز بطريقة قياس المسافة الأقل للتشابه و التي أعطت نسبة (11 %) و (33 %) على الترتيب.
كذلك الوقت المستغرق خلال عملية التمييز باستخدام الشبكات العصبية الاصطناعية أقل مما في طريقة قياس المسافة الأقل للتشابه.
Abstract EN
This search has introduced the techniques of multi-wavelet transform and neural network for recognition 3-D object from 2-D image using patches.
The proposed techniques were tested on database of different patches features and the high energy subband of discrete multi-wavelet transform DMWT (gp) of the patches.
The test set has two groups, group (1) which contains images, their (gp) patches and patches features of the same images as a part of that in the data set beside other images, (gp) patches and features, and group (2) which contains the (gp) patches and patches features the same as a part of that in the database but after modification such as rotation, scaling and translation.
Recognition by back propagation (BP) neural network as compared with matching by minimum distance, gave (94%) and (83%) score by using group (1), (gp) and features respectively, which is much better than the minimum distance.
Recognition using (gp) neural network (NN) gave a (94%) and (72%) score by using group (2), (gp) and features respectively, while the minimum distance gave (11%) and (33%) scores.
Time consumption through the recognition process using (NN) with (gp) is less than that minimum distance.
American Psychological Association (APA)
Ismail, Tariq Ziyad& Abbud, Zaynab Ibrahim. 2012. 3-D object recognition using multi-wavelet and neural network. Journal of Engineering،Vol. 18, no. 1, pp.78-94.
https://search.emarefa.net/detail/BIM-288782
Modern Language Association (MLA)
Ismail, Tariq Ziyad& Abbud, Zaynab Ibrahim. 3-D object recognition using multi-wavelet and neural network. Journal of Engineering Vol. 18, no. 1 (Jan. 2012), pp.78-94.
https://search.emarefa.net/detail/BIM-288782
American Medical Association (AMA)
Ismail, Tariq Ziyad& Abbud, Zaynab Ibrahim. 3-D object recognition using multi-wavelet and neural network. Journal of Engineering. 2012. Vol. 18, no. 1, pp.78-94.
https://search.emarefa.net/detail/BIM-288782
Data Type
Journal Articles
Language
English
Notes
Includes appendix : p. 87-94
Record ID
BIM-288782
