research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Satellite image classification using proposed singular value decomposition method
تصنيف صورة الأقمار الصناعية باستخدام الطريقة المقترحة تفكك القيمة المفردة

Authors: Bushra Q. Al-Abudi بشرى قاسم العبودي --- Mohammed S. Mahdi محمد صاحب الطائي --- Noor ZubairKouder نور زبير خضر
Journal: Iraqi Journal of Physics المجلة العراقية للفيزياء ISSN: 20704003 Year: 2015 Volume: 13 Issue: 28 Pages: 52-67
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

In this work, satellite images for Razaza Lake and the surrounding area district in Karbala province are classified for years 1990,1999 and 2014 using two software programming (MATLAB 7.12 and ERDAS imagine 2014). Proposed unsupervised and supervised method of classification using MATLAB software have been used; these are mean value and Singular Value Decomposition respectively. While unsupervised (K-Means) and supervised (Maximum likelihood Classifier) method are utilized using ERDAS imagine, in order to get most accurate results and then compare these results of each method and calculate the changes that taken place in years 1999 and 2014; comparing with 1990. The results from classification indicated that water and hills are decreased, while vegetation, wet land and barren land are increased for years 1999 and 2014; comparable with 1990. The classification accuracy was done by number of random points chosen on the study area in the field work and geographical data then compared with the classification results, the classification accuracy for the proposed SVD method are 92.5%, 84.5% and 90% for years 1990,1999,2014, respectivety, while the classification accuracies for unsupervised classification method based mean value are 92%, 87% and 91% for years 1990,1999,2014 respectivety.

تم في هذا العمل تصنيف صور القمر الصناعي لاندسات لبحيرة الرزازة والمنطقة المحيطة بها في محافظة كربلاء للسنوات 1990و1999و2014 باستخدام برنامجين (ERDAS 2014 (MATLAB 7.12,. تم تطبيق عدة طرق مختلفة من طرق التصنيف ومنها الطريقة المقترحة غير الموجهة (Mean value) والطريقة المقترحة الموجهة (Singular value decomposition) باستخدام برنامج MATLAB 7.12 , و الطريقة غير الموجهة (K-Means) والطريقة الموجهة ( (Maximum likelihood Classifierباستخدام برنامج ERDAS imagine 2014 و ذلك للحصول على أدق النتائج ومن ثم مقارنة نتائج هذه الطرق و حساب التغييرات التي حدثت في سنة 1999وسنة 2014 بالمقارنة مع سنة 1990. أشارت النتائج أن المساحات المائية ومناطق التلال في حالة تناقص بينما المساحات الخضراء والأراضي الرطبة والقاحلة في حالة زيادة خلال السنوات 1999 و2014 بالمقارنة مع سنة 1990.تم حساب دقة التصنيف باختيار عدد من النقاط العشوائية على منطقة الدراسة في العمل الميداني والبيانات الجغرافية ومن ثم مقارنتها مع نتيجة التصنيف, دقة التصنيف لطريقة التصنيف الموجهة التي اقترحت (SVD) كانت 92.5% ,84.5% ,90 % للسنوات 1999,1990 ,2014 على التوالي. بينما كانت دقة التصنيف للطريقة المقترحة (Mean value) 92% , 87% , 91% للسنوات 1999,1990 ,2014على التوالي.


Article
Brain Tumors Classification by Using Gray Level Co-occurrence Matrix, Genetic Algorithm and Probabilistic Neural Network
تصنيف أورام الدماغ باستخدام GLCM، ألخوارزمية ألوراثية و الشبكة ألعصبية ألاحتمالية

Loading...
Loading...
Abstract

Background:Brain tumors classification by MRI (Magnetic Resonance Imaging) is important in medical diagnosis because it provides information associated with anatomical structures as well as potential abnormal tissues necessary for treatment planning and patient's case follow-up. There are a number of techniques for medical image classification. In this paper brain tumors detection and classification system are developed into seven tumors types. The image processing techniques such as preprocessing by using a mean filter and feature extraction have been implemented for the detection of a brain tumor in the MRI images. In this paper, extraction of texture features using GLCM (Gray Level Co-occurrence Matrix). We used Probabilistic Neural Network Algorithm (PNNA) for image classification technique based on Genetic Algorithm (GA) and K-Nearest Neighbor (K-NN) classifier for feature selection is proposed in this paper. Objective: MRI brain tumors detection and classification system by using GA and PNN which able to diagnose different types of tumors in human brain.Patients and Methods: Medical image techniques are used to imaging the internal structures of the human body for medical diagnosis. Image processing is an effective field of research in the medical field. MRI dataset, obtained from the Atlas Website of Harvard University.Results: Brain Tumors are classified by using the genetic algorithm where the total number of features (20 features) has been reduced to 10 features as the strongest features in the classification. Conclusion: MRI brain image is one of the best methods in brain tumor detection and classification, by observing only MRI images the specialists are unable to keep up with diagnosing. Hence, the computer-based diagnosis is necessary for the correct brain tumor classification.

خلفية الدراسة: تصنيف أورام الدماغ للرنين المغناطيسي (التصوير بالرنين المغناطيسي) أمر مهم في التشخيص الطبي لأنه يوفر المعلومات المرتبطة بالهياكل التشريحية وكذلك الأنسجة الطبيعية المحتملة اللازمة لتخطيط العلاج و متابعه حاله المريض. يوجد عدد من التقنيات لتصنيف الصور الطبية. في هذا البحث يتم تطوير نظام الكشف عن أورام الدماغ وتصنيفها إلى سبعه أنواع من الأورام. وقد تم تنفيذ تقنيات معالجه الصور مثل Preprocessing باستخدام Mean Filter و Feature Extraction للكشف عن أورام في الدماغ في صور الرنين المغناطيسي. في هذا البحث، يتم استخراج Texture Features باستخدام GLCM. لقد استخدمنا خوارزميه الشبكة العصبية الاحتمالية (PNN) لتقنية تصنيف الصور علي أساس الخوارزمية الوراثية (GA) و المصنف أقرب جار (k-NN) لاختيار الميزة المقترحة في هذا البحث.اهداف الدراسة: هدفت هذه الدراسة الى التعرف على نظام كشف وتصنيف صور الرنين المغناطيسي أورام الدماغ باستخدام GA و PNN مع أمكانية تشخيص انواع مختلفة من الاورام في دماغ الانسان.المرضى والطرائق: : تقنيات الصورة الطبية تستخدم لتصوير الهياكل الداخلية للجسم البشري للتشخيص الطبي. معالجة الصور هو مجال فعال للبحث في المجال الطبي. بيانات صور الرنين المغناطيسي تم الحصول عليها من الموقع الالكتروني أطلس لجامعة هارفارد.النتائج: صنفت الاورام باستعمال الخوارزمية الوراثية حيث تم تقليل عدد الميزات الكلي ( 20 ميزة) الى 10 ميزات كأقوى الميزات في التصنيف.

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2018 (1)

2015 (1)