การประยุกต์ใช้รูปแบบไบนารีท้องถิ่นด้วยไฮเปอร์โบลิกเซกแคนท์สำหรับการตรวจจับขอบและค้นคืนรูปภาพ
Article Sidebar
Main Article Content
บทคัดย่อ
ในงานวิจัยนี้มีวัตถุประสงค์ที่จะนำเสนอวิธีการประยุกต์รูปแบบไบนารี่ท้องถิ่น เพื่อนำมาใช้ในการตรวจจับขอบภาพของภาพด้วยการเพิ่มฟังก์ชั่น Hyperbolic Secant และฟังก์ชั่นวัดความคล้ายคลึงเข้าไปในสมการดั้งเดิม รวมทั้งเพิ่มพารามิเตอร์สำหรับปรับจูนเพื่อเพิ่มรายละเอียดของขอบภาพบริเวณพื้นที่ที่มีความคมชัดต่ำให้ได้ผลลัพธ์ที่มีรายละเอียดของขอบภาพอย่างครบถ้วน ผลการทดลองพบว่าวิธีที่ผู้วิจัยนำเสนอสามารถนำมาใช้ในการตรวจจับเส้นขอบของภาพได้อย่างมีประสิทธิภาพ ซึ่งผลลัพธ์ของเส้นขอบที่ได้จะมีรายละเอียดและความคมชัดสูง โดยใช้วิธีการอธิบายความแตกต่างภายในของพื้นที่ 2 พื้นที่ที่มีความแตกต่างกันแต่ได้ผลลัพธ์ที่เหมือนกันซึ่งเป็นผลลัพธ์ของรูปแบบไบนารี่ท้องถิ่นเดิมได้ โดยในงานวิจัยนี้ผู้วิจัยยังได้นำวิธีการหาขอบภาพไปทดสอบกับภาพทั่วไปและนำผลลัพธ์ของเส้นขอบที่ได้มาคำนวณหาอิสโตแกรมเส้นขอบ 5 ทิศทาง เพื่อนำมาสร้างเป็นดัชนีตัวแทนสำหรับใช้ในการค้นคืนรูปภาพ ผู้วิจัยพบว่าดัชนีตัวแทนของเส้นขอบจากวิธีที่นำเสนอให้ค่าประสิทธิภาพในภาพรวมของการค้นคืนที่ร้อยละ 80 ซึ่งอยู่ในเกณฑ์สูง
Article Details
เนื้อหาและข่อมูลในบทความที่ลงตีพิมพ์ในวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วย หรือว่าร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม ถือเป็นลิขสิทธิ์ของวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม หากบุคคล หรือหน่วยงานใดต้องการนำทั้งหมด หรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อ หรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาต เป็นลายลักษณ์อักษรจากวารสารวิชาการ เทคโนโลยี พลังงาน และสิ่งแวดล้อม บัณฑิตวิทยาลัย วิทยาลัยเทคโนโลยีสยาม เท่านั้น
References
[2] L. Zeng, K. Shen and H. Jiang. “An effective edge extraction method using improved local binary pattern for blurry digital radiography images,” NDT&E International 53, 2013, pp. 26-30.
[3] S. Nakharacruangsak, M. Sodanil and S. Nitsuwat, “An improved local binary pattern for edge detection of images,” Proceedings of IEEE Region 10 Conference: TENCON, 2014, pp. 1-4.
[4] H. Jin, Q. Liiu, H. Lu, and X. Tong, “Face Detection Using Improved LBP Under Bayesian Framework,” Proceeding of the Third International Conference on Image and Graphics, (2004), pp.306-309.
[5] Y. Ding, H. Pang, X. Wu and J. Lan, “Recongnition of Hand-Gestures Using Improved Local Binary Pattern,” Multimedia Technology (ICMT), 2011 International Conference on July 2011, pp. 3171-3174.
[6] J. Liu, X. Liu, J. Chen and J. Tang, “Improved Local Binary Pattern for Classification of Masses Using Mammography,” Systems, Man, and Cybernetics (SMC), IEEE International Conference on Oct 2011, pp.2692-2695.
[7] G. Schaefer and N P. Doshi, “Multi-dimensional Local Binary Pattern Descriptors for Improved Texture Analysis,” Pattern Recognition (ICPR), 2012 21st International Conference on Nov 2012, pp.2500-2503.
[8] X. Xianchuan and Z. Qi, “Medical Image Retrieval Using Local Binary Patterns with Image Euclidean Distance,” Information Engineering and Computer Science, International Conference on Dec 2009, pp.1-4.
[9] XY. Tan and B. Triggs, “Enhanced local texture feature sets for face recognition under difficult lighting conditions,” IEEE trans Image Process 2010, pp.1635-50.
[10] L. Nanni, A. Lummini and S. Brahnam, “Local binary patterns variants as texture descriptors for medical image analysis,” Artif Intell Med 2010, pp.117-25.
[11] CR. Zhu and RS. Wang, “Local multiple patterns based multiresolution gray-scale and rotation invariant texture classification,” InfoSci, 2012, pp.93-108.