54,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
0 °P sammeln
  • Broschiertes Buch

Bei der inhaltsbasierten Bildsuche werden Merkmale auf niedriger Ebene oder auf Pixelbildebene verwendet, wie Farbe, Textur und Form. Auf der Grundlage dieser Merkmale werden die richtigen Fotos von den Speichermedien abgerufen. Aber hier besteht das Hauptproblem für den Forscher darin, das relevanteste Bild aus der Datenbank zuerst oder für eine geringe Anzahl von Suchiterationen zu finden. Kurzfristig ist das HSV-Farbhistogramm ein hervorragendes Merkmal des Bildes und wurde in verschiedenen Untersuchungsprogrammen verwendet. In diesem Artikel wird das HSV-Farbhistogramm auf ein Bild…mehr

Produktbeschreibung
Bei der inhaltsbasierten Bildsuche werden Merkmale auf niedriger Ebene oder auf Pixelbildebene verwendet, wie Farbe, Textur und Form. Auf der Grundlage dieser Merkmale werden die richtigen Fotos von den Speichermedien abgerufen. Aber hier besteht das Hauptproblem für den Forscher darin, das relevanteste Bild aus der Datenbank zuerst oder für eine geringe Anzahl von Suchiterationen zu finden. Kurzfristig ist das HSV-Farbhistogramm ein hervorragendes Merkmal des Bildes und wurde in verschiedenen Untersuchungsprogrammen verwendet. In diesem Artikel wird das HSV-Farbhistogramm auf ein Bild angewendet, um ein Farbelement zu extrahieren und den Wert des Histogramms mit 72 verschiedenen Fässern zu messen. Das Stitching-Element wird mithilfe einer diskreten Wavelet-Transformation entfernt, die dazu beiträgt, das komplizierte Muster im Bild zu entfernen. Die Definition eines Histogramm-Merkmals wird verwendet, um die Lage und die geometrischen Details eines Bildes zu bestimmen, indem die im Bild vorhandenen Ränder subtrahiert und diese Elemente zu einem einzigen Elementvektor kombiniert werden, so dass er das Bild richtig vergrößern kann. Bei der Klassifizierung wird eine Vektorklassifizierungsmaschine verwendet, um die Bilder entsprechend in verschiedene Kategorien einzuteilen.
Autorenporträt
Mohd. Aquib Ansari hat seinen B.E. von SATI Vidisha in Informationstechnologie abgeschlossen (2014). Er hat seinen M.Tech. vom MITS Gwalior in Informationstechnologie gemacht (2017). Derzeit promoviert er am MNNIT Allahabad. Seine Forschungsinteressen umfassen digitale Bildverarbeitung, Computer Vision, künstliche Intelligenz und Netzwerksicherheit.