الگو های مِش محلی در برابر الگو های باینری محلی: نمایه سازی و بازیابی تصویر پزشکی
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 1 |
| فرمت فایل | doc |
| حجم فایل | 1609 کیلو بایت |
| تعداد صفحات فایل | 11 |
نام مجله:
IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS
عنوان مقاله:
Local Mesh Patterns Versus Local Binary Patterns Biomedical Image Indexing and Retrieval
Abstract—In this paper, a new image indexing and retrieval algorithm
using localmesh patterns are proposed for biomedical image
retrieval application. The standard local binary pattern encodes
the relationship between the referenced pixel and its surrounding
neighbors, whereas the proposed method encodes the relationship
among the surrounding neighbors for a given referenced pixel in
an image. The possible relationships among the surrounding neighbors
are depending on the number of neighbors, P . In addition,
the effectiveness of our algorithm is confirmed by combining it
with the Gabor transform. To prove the effectiveness of our algorithm,
three experiments have been carried out on three different
biomedical image databases. Out of which two are meant for computer
tomography (CT) and one for magnetic resonance (MR)
image retrieval. It is further mentioned that the database considered
for three experiments are OASIS-MRI database, NEMA-CT
database, and VIA/I–ELCAP database which includes region of
interest CT images. The results after being investigated show a
significant improvement in terms of their evaluation measures as
compared to LBP, LBP with Gabor transform, and other spatial
and transform domain methods
الگوهای مِش محلی در برابر الگوهای باینری محلی: نمایه سازی و بازیابی تصویر پزشکی
چکیده
در این مقاله، یک الگوریتم جدید نمایهسازی و بازیابی تصویر با استفاده از الگوهای مِش برای استفاده در بازیابی تصویر پزشکی پیشنهاد شده است. الگوریتم باینری محلی استاندارد رابطهی بین پیکسل مرجوعی (مورد نظر) و همسایههای اطراف آن را کدگذاری میکند، در حالیکه روش پیشنهادی رابطهی میان همسایههای اطراف یک پیکسل مرجوعیِ مشخص در یک تصویر را کدگذاری میکند. روابط ممکن میان همسایههای اطراف به تعداد همسایهها، P، بستگی دارد. علاوه بر این، کارایی الگوریتم پیشنهادی در این مقاله با ترکیب این الگوریتم با تبدیل گابور اثبات شده است. برای اثبات کارایی این الگوریتم سه آزمایش بر روی سه پایگاه دادهی مختلف تصویر پزشکی پیادهسازی شده است. دو آزمایش از این سه آزمایش برای توموگرافی کامپیوتری (CT) و یک آزمایش برای رزونانس مغناطیسی (MR) بازیابی تصویر انجام میشود. سپس اشاره خواهد شد که پایگاه دادهی مورد نظر برای سه آزمایش عبارتند از: پایگاه دادهی OASIS-MRI، پایگاه دادهی NEMA-CT و پایگاه دادهی VIA/I-ELCAPکه شامل ناحیهی تصاویر CT مورد نظر است. نتایج پس از بررسی بهبود معناداری بر حسب معیارهای ارزیابی آنها در مقایسه با LBP، LBP با تبدیل گابور، و دیگر روشهای فضایی و دامنهی تبدیل نشان داد.
واژگان کلیدی
بازیابی تصویر پزشکی (CBIR)، تبدیل گابور (GT)، الگوری باینری محلی (LBP)، الگوهای مش محلی (LMeP)، بافت.
Local Mesh Patterns Versus Local Binary Patterns Biomedical Image Indexing and Retrieval
مجزا سازی و برابر سازی تطبیقی منابع کور برای سیستم های چند ورودی/چند خروجی
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 12 |
| فرمت فایل | doc |
| حجم فایل | 904 کیلو بایت |
| تعداد صفحات فایل | 22 |
Adaptive Blind Source Separation and Equalization for Multiple-Input/Multiple-Output Systems
Abstract—In this paper, we investigate adaptive blind source
separation and equalization for multiple-input/multiple-output
(MIMO) systems.We first analyze the convergence of the constant
modulus algorithm (CMA) used in MIMO systems (MIMOCMA).
Our analysis reveals that the MIMO-CMA equalizer is
able to recover one of the input signals, remove the intersymbol
interference (ISI), and suppress the other input signals. Furthermore,
for the MIMO finite impulse response (FIR) systems
satisfying certain conditions, the MIMO-CMA FIR equalizers
are able to perfectly recover one of the system inputs regardless
of the initial settings. We then propose a novel algorithm for
blind source separation and equalization for MIMO systems. Our
theoretical analysis proves that the new blind algorithm is able to
recover all system inputs simultaneously regardless of the initial
settings. Finally, computer simulation examples are presented
to confirm our analysis and illustrate the effectiveness of blind
source separation and equalization for MIMO systems.
مجزاسازی و برابرسازی تطبیقی منابع کور برای سیستم های چند ورودی/چند خروجی
چکیده
در این مقاله، جداسازی کورمنابع و برابرسازی برای سیستمهای چند ورودی/چند خروجی (MIMO) را بررسی میکنیم. ابتدا همگرایی الگوریتم مدولثابت (CMA) استفاده شده در سیستمهای MIMO (MIMO-CMA) را آنالیز میکنیم. ارزیابی ما مشخص میکند که برابرساز (اکولایزر)MIMO-CMA قابلیت بهبود یکی از سیگنالهای ورودی، و همچنین حذف تداخل بین سمبلی (ISI)، و کاهش دیگر سیگنالهای ورودی را دارد. بنابراین، برای سیستمهای پاسخ ضربهی محدود (FIR) MIMO که شرایط خاصی را ارضا میکنند اکولایزرهای MIMO-CMA FIR این قابلیت را دارند که بطور کامل یکی از ورودیهای سیستم را صرفنظر از تنظیمات اولیه بازیابی کنند. سپس الگوریتم جدیدی برای جداسازی کور منابع و برابرسازی برای سیستمهای MIMO ارائه میکنیم. آنالیز تئوری ما تائید میکند که الگوریتم کور جدید بدون توجه به تنظیمات ابتدائی قابلیت بازیابی تمام ورودیهای سیستم را بطور همزمان دارد. در آخر، مثالهای شبیهسازی کامپیوتری به منظور تائید آنالیزمان و نشان دادن اثربخشی جداسازی کور منبع و برابر سازی برای سیستمهای MIMO ارائه میشود.