عنوان الإطروحه |
Enhancement of Density Based Clustering of applications with Noise Using Histogram for Satellite Spatial Data
|
تاريخ مناقشة الاطروحه |
2021-05-24 |
اسم الطالب |
ايناس رزق عقله الخوالده
|
المشرف |
نجاح مثقال علي الشنابله |
|
المشرف المشارك |
|
اعضاء لجنة المناقشة |
| مفلح محمد مفلح الذيابات |
| يوسف محمد احمد كيلاني |
|
الكلية |
كلية الامير الحسين بن عبدالله لتكنولوجيا المعلومات |
القسم |
علم الحاسوب |
الملخص بالعربية |
تعد معالجة الصور إحدى التقنيات الواعدة التي يتم استخدامها لإجراء عمليات مختلفة على الصور بحيث يتم الحصول على صورة محسنة أو يتم استخراج بعض المعلومات المفيدة من هذه الصور. "التجميع القائم على الكثافة للتطبيقات والضوضاء (DBSCAN)" هو أحد أكثر خوارزميات التجميع المعتمدة على الكثافة شيوعًا ؛ ومع ذلك لا يمكنها التعامل مع صور الأقمار الصناعية بسبب أحجامها الكبيرة. اقترح (المموري وكامل ، 2016) نسخة محسنة من DBSCAN يمكنها التعامل مع صور الأقمار الصناعية ولكنها تتطلب وقتًا طويلاً للغاية لإجراء التجميع.
تم اقتراح تحسين على خوارزمية EDBSCAN باستخدام المدرج التكرراي في هذه الأطروحة( EDBSCAN-H ) للتغلب على عيب عدم معالجة التباين الهائل في مجموعات البيانات الكبيرة وعيوب وقت الحساب الكبير للغاية لخوارزميات التجميع المتاحة. EDBSCAN-H ،حيث يتم استخدام المدرج التكراري للصورة لاستخراج النقطة الأكثر شيوعًا من المكونات الحمراء والخضراء والزرقاء للصورة ثم استخدامها لحساب معامل المسافة الشاملة مما اثر على وقت التنفيذ كثيرا .
يتم استخدام وقت التنفيذ وعدد النقاط الخارجة واستخدام وحدة المعالجة المركزية لتقييم أداء 12 صورة من صور الأقمار الصناعية الاختبارية في ظل سيناريوهات مختلفة. أكدت نتيجة التقييم فعالية EDBSCAN-H في تجميع صور البيانات المكانية مع وقت تنفيذ أقل واستخدام وحدة المعالجة المركزية بشكل ملحوظ مقارنة بالطريقة المقترحة من قبل (الماموري وكامل ، 2016). تعد EDBSCAN-H المقترحة فعالة بما يكفي لاستخدامها في تجميع صور البيانات المكانية لأنها حققت في المتوسط أداءً محسنًا مقارنة بالخوارزمية المقترحة من قبل (ALmamory and Kamil، 2016) و DBSCAN من حيث مقاييس الأداء المختلفة.
|
الملخص بالانجليزي |
Image processing is one of the promising techniques used to perform different operations on the images so that an enhanced image is being obtained or some helpful information is being extracted from these images. Density-Based Clustering for Applications and Noise (DBSCAN) is one of the most common density-based clustering algorithms; however, it cannot handle satellite images due to their large sizes. Almamory and Kamil (2016) proposed an enhanced version from DBSCAN (EDBSCAN) that can handle satellite images, but it requires an extremely long time to perform clustering.
An improvement over the EDBSCAN algorithm using a histogram (EDBSCAN-H) is proposed in this thesis to overcome the drawback of not handling the massive variance in the big datasets and enhance the computation time for the available clustering algorithms. In EDBSCAN-H, a histogram of the image is used to extract the most frequent point from the image's red, green, and blue components and then calculate the global distance parameter. The histogram usage cut down in the comparison operations needed to cluster the points in an image, which affected the execution time a lot.
Execution time, number of outlier points and CPU utilization were used to evaluate the performance of the twelve test satellite images under different scenarios. The evaluation result confirmed the effectiveness of EDBSCAN-H in clustering spatial data images with significantly lower execution time and CPU utilization compared to EDBSCAN.
The proposed EDBSCAN-H is efficient enough to be used in the clustering process of spatial images since it, on average, achieved an improved performance compared to the EDBSCAN algorithm proposed by Almamory and Kamil (2016) and DBSCAN methods in terms of different performance metrics
|
رقم ISN |
6996 |
|
للحصول على الرسالة كملف يرجى تزويد المكتبة برقم ISN
|
|