Image Retrieval using One-Dimensional Color Histogram Created with Entropy

Kılıçaslan, Mahmut; Tanyeri, Ufuk; Demi̇rci̇, Recep

doi:10.4316/aece.2020.02010

Cited by 5 publications

(1 citation statement)

References 37 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…It's easy to compute, and robust to scaling and rotation, making it an e cient feature vector. Many studies are using the histogram [14][15][16][17][18]. However, in general, the use of histograms is an approach that neglects local features.…”

Section: Introductionmentioning

confidence: 99%

Image Retrieval Using Pixel Similarity

Orman

2023

Preprint

View full text Add to dashboard Cite

Content-based image retrieval involves searching for the desired image from an image database. It is realized through the feature vectors obtained from the architectural image in question. Therefore, feature extraction is a crucial step. In this study, a new feature vector representation is proposed. In the proposed study, a composite feature vector is obtained by using color, edge, and gradient features. In particular, the method applied for edge detection offers a non-linear approach that simulates the human visual system well. In addition, there is no need for any parameter or user intervention in edge detection. In the study, experiments were carried out in Corel 1K and Corel 10K databases, which are frequently used in image retrieval. The proposed study was compared with 13 different methods. When the results are examined, the superiority of the method draws attention.

show abstract

Section: Introductionmentioning

confidence: 99%

Image Retrieval Using Pixel Similarity

Orman

2023

Preprint

View full text Add to dashboard Cite

show abstract

Neuromorphic computing spiking neural network edge detection model for content based image retrieval

Ambuj,

Machavaram

2024

Network: Computation in Neural Systems

View full text Add to dashboard Cite

SNN tabanlı çok seviyeli eşikleme ile görüntü erişimi

İncetaş¹,

Kılıçaslan

Farshi

2022

Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi

View full text Add to dashboard Cite

Görüntü erişimi, dijital bir görüntü veri tabanından benzer veya özdeş görüntülerin indekslenmesi olarak tanımlanır. Benzer bir dijital görüntü aranırken görüntülerden elde edilen çeşitli öznitelik vektörleri kullanılır. Çünkü görüntülerin pikselleri üzerinde işlem yapmak maliyetli algoritmalar gerektirir. Ayrıca, erişim yaklaşımlarında kullanılan görüntülerin farklı boyutlarda olması olası bir problemdir. Bu nedenle, görüntüleri karşılaştırırken piksel düzeyindeki işlemler yetersiz kalmaktadır. Görüntüleri temsil eden vektörel yapılar gereklilik olarak karşımıza çıkmaktadır. Bu vektörel yapıları elde etme sürecine özellik çıkarımı denir ve içerik tabanlı görüntü erişiminin en önemli aşamalarından biridir. Histogram ise görüntünün boyutlarından bağımsız ve kolaylıkla hesaplanabilen en temel öznitelik vektörüdür. Gri seviyeli görüntülerde histogramın boyutu öznitelik vektörü olarak kullanıma uygundur. Ancak, renkli görüntülerdeki üç farklı kanal, özellik vektörleri olarak kullanılmak için çok fazla veri içerir. Bu nedenle vektör boyutunu küçültmek kaçınılmaz bir işlemdir. Bu çalışmada, insan görsel sisteminden esinlenerek İğnecikli Sinir Ağı modeline dayalı yeni bir çok-seviyeli eşikleme yöntemi önerilmiştir. Önerilen model ile RGB renk kanallarının her biri için 3 ayrı eşik değeri belirlenmiş ve her bir renk kanalı 4 parçaya bölünmüştür. Böylece elde edilen renk paleti ile renk uzayı 64 farklı renge indirgenir. Önerilen yöntem, görüntü erişimi için yaygın olarak kullanılan çok seviyeli eşikleme yöntemleri ile karşılaştırılmıştır. Elde edilen sonuçlar önerilen yöntemin başarısını açıkça göstermektedir.

show abstract

Image Retrieval using One-Dimensional Color Histogram Created with Entropy

Cited by 5 publications

References 37 publications

Image Retrieval Using Pixel Similarity

Image Retrieval Using Pixel Similarity

Neuromorphic computing spiking neural network edge detection model for content based image retrieval

SNN tabanlı çok seviyeli eşikleme ile görüntü erişimi

Contact Info

Product

Resources

About