بازنمايي گل‌هاي قالي با استفاده از تبديل‌هاي موجك و فوريه -ملين

Representation and Description of Carpet Patterns Using Wavelet and Fouriera -€ Mellin Transforms

در اين مقاله، به بازنمايي و توصيف گل‌هاي قالي مي‌پردازيم. مجموعه گل‌هاي موجود در چهارده كلاس طبقه‌بندي مي‌شوند. از آنجايي كه گل‌ها داراي چرخش، تغيير مقياس و انتقال هستند، توصيفگر مطلوب بايد نسبت به اين تغييرات پايا باشد. در اين مقاله از دو توصيفگر موجك و فوريه - ملين استفاده شده است. در توصيفگر موجك از انحراف معيار مقدار عناصر زير باندها استفاده شده است. براي ارزيابي توصيفگرهاي به كار رفته، گل‌ها را بازشناسي مي‌كنيم. براي بازشناسي از روش نزديكترين همسايه استفاده شده كه بيشترين نرخ بازشناسي با معيار فاصله مانهاتان به دست آمد. براي روشي كه قبلا براساس كانتور گل‌ها و توصيفگر فوريه بوده، نرخ بازشناسي 69.4 درصد گزارش شده است. در روش فوريه -ملين كه جزييات داخلي نيز مد نظر بود، نرخ بازشناسي 81.5 درصد حاصل شد.

In this paper, we study the description and the representation of carpet’s flowers. The available carpet’s flowers set are classified in 14 classes. Since flowers have rotation, scale change and transition, the desirable descriptor should be invariant to this change. In this research we use wavelet descriptor and Fourier-Mellin descriptor. In wavelet descriptor uses the standard deviation of sub-bands. We recognize flowers to evaluate the used descriptors. The nearest neighbor method was used for the recognition and that highest recognition rate was obtained by the manhattan distance criterion. Some flowers segregated with inner details and considered in this research. For a method that is done according to the flower’s Contour and Fourier descriptor, the reported recognition rate is 69.4%, but in Fourier-Mellin method that considers the inner details also, the recognition rate is 81.5%.