بازیابی سریع تصاویر بافتی با استفاده از تبدیل والش- هادامارد

یکی از مسائل مهم در پردازش تصویر، پیدا کردن الگوریتم‌هایی است که بتوان تشابه و عدم‌تشابه یک تصویر بافت را با سایر تصاویر در زمان کوتاه مشخص کند. از آنجایی که تصاویر بافت دارای الگوهای تکرارشونده در کل تصویر هستند، الگوریتم‌های مشابهت‌یابی برای تصاویر معمولی برای تصاویر بافت کارایی ندارند. الگوریتم‌های مبتنی بر یادگیری عمیق هم نیازمند حجم بسیار زیادی داده در همان گروه هستند و برای تصاویر بافت که حجم داده زیادی در دسترس نباشد کارایی ندارند. در این مقاله، الگوریتمی برای جستجوی سریع تشابه بافتی با استفاده از تبدیل والش هادامارد، توسعه داده شد. این الگوریتم، از سه مرحله تشکیل شده است: در مرحله اول از فیلتر گابور برای استخراج بردارهایی با ابعاد بالا از هر بافت، استفاده شد. سپس، از یک تبدیل تصادفی‌شده والش هادامارد استفاده گردید تا بردارهایی با ابعاد بالا به بردارهایی با دو بُعد جای‌گذاری شود. در مرحله سوم، از یک الگوریتم تقریب برای اندازه‌گیری فاصله بین دو بردار استفاده شد تا تشابه یا عدم‌تشابه بین دو تصویر بافت مشخص شود. نتایج آزمایش عملی الگوریتم گواه این امر هستند که این تقریب برای بافت‌های واقعی نسبتاً مناسب هستند.

Fast Texture Retrieval Using Walsh-Hadamard Transform

One of the most important issues in image processing is to find algorithms that can determine the similarity and dissimilarity of a texture image with other images in a short time. Because texture images have repetitive patterns throughout the image, similarity algorithms for natural or non texture images are not effective for texture images. Deep learning algorithms also require large amounts of data in the same group and for texture images that do not have much data volumes available, they do not work. In this paper, an algorithm was developed to rapidly search for tissue similarity using the WalshHadamard transform. This algorithm consists of three steps. In the first step, the Gabor filter was used to extract the highdimensional feature from each texture. Then, a randomized WalshHadamard transform was used to convert highdimensional feature from each texture into twodimensional feature. In the third step, an earth mover distance (EMD) approximation algorithm was used to determine the similarity or dissimilarity between two textures that are represented by twodimensional vectors. The results of the proposed algorithm proved that this approximation algorithm is relatively suitable for real tissues.