In storing large databases of image

In storing large databases of images such as fingerprint and medical databases, the required memory size becomes a great challenge. This work demonstrates a framework for reducing the size of large image databases used in pattern recognition applications with decimation, and reconstructing the images with their original sizes using interpolation for feature extraction. For pattern recognition applications, a new trend based on Mel-Frequency Cepstral Coefficients (MFCCs) is presented in the paper. To reconstruct the images to their original sizes, interpolation methods like bilinear, bicubic, warped-distance, and neural methods are investigated and compared. The sensitivity of the extracted features from the images to the interpolation method used is studied. For the feature extraction process, the interpolated images are converted into one dimensional signals with lexicographic ordering and employed in time domain or transformed to Discrete Wavelet Transform (DWT), Discrete Sine Transform (DST), or Discrete Cosine Transform (DCT) domain. The MFCCs and polynomial shape coefficients are then extracted to generate the database of features, which can be used for pattern identification using neural networks. The pattern recognition is conducted by getting features from the pattern image under test. Experimental results show that feature extraction from an interpolated image to retain the original image dimensions can be used robustly for pattern recognition. In addition, the results reveal that the best domain for feature extraction is the DCT.

ผลลัพธ์ (ไทย) 1:

ในการจัดเก็บฐานข้อมูลขนาดใหญ่ของภาพเช่นลายนิ้วมือและฐานข้อมูลทางการแพทย์ ขนาดหน่วยความจำที่จำเป็นกลายเป็น สิ่งที่ท้าทายมาก งานนี้แสดงให้เห็นถึงกรอบการลดขนาดของฐานข้อมูลภาพขนาดใหญ่ที่ใช้ในโปรแกรมการรู้จำรูปแบบกำจัดจำนวนมากแบบ และบูรณะภาพกับขนาดเดิมใช้สอดแทรกคุณลักษณะแยก สำหรับการใช้งานการรู้จำรูปแบบ แนวโน้มใหม่ตามสัมประสิทธิ์ความถี่เมล Cepstral (MFCCs) นำเสนอในกระดาษ การสร้างรูปขนาดเดิม สอดแทรกวิธีเช่น bilinear, bicubic ระยะเหยเก ประสาทวิธีสอบสวน และเปรียบเทียบ เป็นศึกษาความไวของที่แยกจากภาพวิธีการสอดแทรกที่ใช้ สำหรับการสกัดคุณลักษณะ interpolated ภาพถูกแปลงเป็นสัญญาณหนึ่งมิติที่มีการสั่งซื้อ lexicographic และทำงานในโดเมนเวลา หรือเปลี่ยนแปลง Wavelet ของแยกกัน (DWT), การแปลงไซน์ของแยกกัน (DST), หรือการแปลงโคไซน์ของแยกกัน (DCT) โดเมน MFCCs และค่าสัมประสิทธิ์พหุนามรูปแล้วสกัดเพื่อสร้างฐานข้อมูลของ ซึ่งสามารถใช้สำหรับการระบุรูปแบบการใช้เครือข่ายประสาท การรู้จำรูปแบบการผลิต โดยการลักษณะการทำงานจากรูปแบบภายใต้การทดสอบ ผลการทดลองแสดงว่า แยกคุณลักษณะจากภาพ interpolated การรักษาขนาดภาพเดิมสามารถใช้งานอย่างทนทานสำหรับการรู้จำรูปแบบ นอกจากนี้ ผลลัพธ์แสดงว่า โดเมนที่ดีที่สุดสำหรับสกัดคุณลักษณะ DCT

ผลลัพธ์ (ไทย) 2:

ในการจัดเก็บฐานข้อมูลขนาดใหญ่ของภาพเช่นลายนิ้วมือและฐานข้อมูลทางการแพทย์ที่จำเป็นต้องใช้หน่วยความจำขนาดกลายเป็นความท้าทายที่ยิ่งใหญ่ การทำงานนี้แสดงให้เห็นกรอบการทำงานสำหรับการลดขนาดของฐานข้อมูลขนาดใหญ่ของภาพที่ใช้ในการรับรู้รูปแบบการใช้งานที่มีการสังหารและการฟื้นฟูภาพที่มีขนาดเดิมของพวกเขาโดยใช้การแก้ไขการสกัดคุณลักษณะ สำหรับรูปแบบการใช้งานที่ได้รับการยอมรับเป็นแนวโน้มใหม่บนพื้นฐานของเมลความถี่ Cepstral ค่าสัมประสิทธิ์ (MFCCs) จะนำเสนอในกระดาษ เพื่อสร้างภาพให้มีขนาดเดิมของพวกเขาวิธีการแก้ไขเช่น bilinear, bicubic, เหยเกระยะทางและวิธีการของระบบประสาทจะถูกตรวจสอบและเปรียบเทียบ ความไวของคุณสมบัติที่สกัดจากภาพเป็นวิธีการแก้ไขที่ใช้คือการศึกษา สำหรับกระบวนการสกัดคุณลักษณะภาพหยันจะถูกแปลงเป็นสัญญาณหนึ่งมิติที่มีการสั่งซื้อพจนานุกรมและการจ้างงานในโดเมนเวลาหรือเปลี่ยนเป็นแบบไม่ต่อเนื่องเวฟ (DWT) ไม่ต่อเนื่องไซน์แปลง (DST) หรือไม่ต่อเนื่องโคไซน์แปลง (DCT) โดเมน ค่าสัมประสิทธิ์รูปร่าง MFCCs และพหุนามที่สกัดแล้วในการสร้างฐานข้อมูลของคุณสมบัติที่สามารถใช้สำหรับการระบุรูปแบบการใช้โครงข่ายประสาทเทียม การจดจำรูปแบบจะดำเนินการโดยได้รับคุณสมบัติจากภาพรูปแบบภายใต้การทดสอบ ผลการทดลองแสดงให้เห็นว่าการดึงภาพจากหยันที่จะรักษาขนาดภาพต้นฉบับสามารถนำมาใช้อย่างทนทานสำหรับการจดจำรูปแบบ นอกจากนี้ผลการศึกษาพบว่าโดเมนที่ดีที่สุดสำหรับการสกัดคุณลักษณะ DCT

ผลลัพธ์ (ไทย) 3:

ในการจัดเก็บฐานข้อมูลขนาดใหญ่ของภาพ เช่น ลายนิ้วมือ และข้อมูลทางการแพทย์ การต้องการหน่วยความจำขนาดกลายเป็นความท้าทายที่ยิ่งใหญ่ งานนี้แสดงให้เห็นถึงแนวทางการลดขนาดของภาพที่ใช้ฐานข้อมูลขนาดใหญ่ในรูปแบบการใช้งานกับทศนิยม และจากภาพที่มีขนาดของเดิมที่ใช้ในการสกัดคุณลักษณะ การรับรู้รูปแบบ , แนวโน้มใหม่บนพื้นฐานของสัญญาณเซปส์ตรัมเมล ความถี่ ค่า mfccs ) ที่นำเสนอในหนังสือพิมพ์ เพื่อสร้างรูปขนาดต้นฉบับของพวกเขา วิธีการแก้ไข เช่น เลเยอร์ในบางกรณีเหย , , ระยะทาง และวิธีการแบบตรวจสอบและเปรียบเทียบ ความไวของสกัดคุณสมบัติจากภาพเพื่อแก้ไขวิธีการที่ใช้ศึกษา สำหรับกระบวนการสกัดลักษณะ , ขัดภาพจะถูกแปลงเป็นสัญญาณหนึ่งมิติและเวลาที่ใช้ใน lexicographic สั่งซื้อโดเมน หรือเปลี่ยนแปลงเวฟเลตต่อเนื่อง ( DWT ) , การแปลงไซน์ไม่ต่อเนื่อง ( DST ) หรือการแปลงโคไซน์ไม่ต่อเนื่อง ( DCT ) โดเมน การ mfccs สัมประสิทธิ์พหุนามและรูปร่างจะถูกแยกเพื่อสร้างฐานข้อมูลคุณลักษณะซึ่งสามารถใช้สำหรับการกำหนดรูปแบบโดยใช้โครงข่ายประสาทเทียม รูปแบบการรับรู้โดยการคุณสมบัติจากภาพรูปแบบภายใต้การทดสอบ ผลการทดลองแสดงให้เห็นว่าคุณลักษณะการสกัดจากหยันภาพเพื่อรักษาขนาดเดิมของภาพสามารถใช้ข้อมูลสำหรับการรู้จำรูปแบบ . นอกจากนี้ ผลการศึกษาพบว่าโดเมนที่ดีที่สุดสำหรับการสกัดลักษณะเด่นคือ DCT .