Color Reduction and Quantization using Kohonan Self Organizing Neural Networks and K-means algorithms
DOI:
https://doi.org/10.37375/foej.v3i1.2588الكلمات المفتاحية:
Color Reduction and Quantization، Kohonan Self Organizing Neural Networks and K-meansالملخص
يهدف هذا البحث على استخدام نظام يستخدم تميز الألوان لغرض تقليل عدد الألوان الفريدة في الصور الفوتوغرافية مع الحفاظ على مستوى عالٍ من دقة الألوان مقارنة بالصور الأصلية. تتأثر جودة الصورة بنظام الألوان الذي تختاره، لذا يعد الحصول على نظام يقلل او يزيل عدد الالوان الغير مهمة في الصور مع الحفاض على جودة الصورة أمرًا ضروريًا. إن تحديد نطاق كل لون في الصورة بشكل أفضل هو الهدف الذي يمكن من تقليل حجم الصورة، وهي التي يمكن أيضًا ان تكون مشكلة عندما يكون الاوان مدمجة. في هذه الدراسة، تم استخدام خوارزميتين شبكات كوهونين العصبية ذاتية التنظيم SOM وk-means لتحديد تقليل اللون لبعض الصور ومن ثم مقارنة النتائج التقنيتين k-means و SOM. أظهرت النتائج أن تقنية k-means أكثر فعالية من SOM في تصنيف قيم k في تقليل اللون.
المراجع
-Aslantas, A, Emre, D., & Çakiroğlu, M. (2017). Comparison of segmentation algorithms for detection of hotspots in bone scintigraphy images and effects on CAD systems. Biomedical Research, 28(2), 676-683.
-Aggarwal, R., & Song, Y. (1998). Artificial neural networks in power systems. II. Types of artificial neural networks. Power Engineering Journal, 12(1), 41-47.
-Bastos, E. G. G. D. C. M. (2021). Study of the magnification effect on self-organizing maps (Doctoral dissertation).
-Bloom, J. Z. (2005). Market segmentation: A neural network application. Annals of tourism research, 32(1), 93-111.
-Deboeck, G. J. (1998). Financial applications of self-organizing maps. Neural Network World, 8(2), 213-241.
-Dragomir, O. E., Dragomir, F., & Radulescu, M. (2014). Matlab application of Kohonen self-organizing map to classify consumers’ load profiles. Procedia Computer Science, 31, 474-479.
-Hu, Y. C., & Lee, M. G. (2007). K-means-based color palette design scheme with the use of stable flags. Journal of Electronic Imaging, 16(3), 033003-033003.
-IBM, (1/8/2023), Machine learning, https://www.ibm.com/topics/machine-learning.
-Kohonen, T. (2014). MATLAB implementations and applications of the self-organizing map. Unigrafia Oy, Helsinki, Finland, 177.
-Lobo, V. J. (2009). Application of self-organizing maps to the maritime environment. In Information Fusion and Geographic Information Systems: Proceedings of the Fourth International Workshop, 17-20 May 2009 (pp. 19-36). Springer Berlin Heidelberg.
-Miljković, D. (2017). Brief review of self-organizing maps. In 2017 40th international convention on information and communication technology, electronics and microelectronics (MIPRO) (pp. 1061-1066). IEEE.
-Papamarkos, N. (1999). Color reduction using local features and a kohonen self‐organized feature map neural network. International Journal of Imaging Systems and Technology, 10(5), 404-409.
-Pampalk, E., Dixon, S., & Widmer, G. (2004). Exploring music collections by browsing different views. Computer Music Journal, 28(2), 49-62.
-Patole, V. A., Pachghare, V. K., & Kulkarni, P. (2010). Self-organizing maps to build intrusion detection system. International Journal of Computer Applications, 1(8), 1-4.
-Ribeiro, M., Grolinger, K., & Capretz, M. A. (2015). Mlaas: Machine learning as a service. In 2015 IEEE 14th international conference on machine learning and applications (ICMLA) (pp. 896-902). IEEE
-Maltarollo, V. G, Honório, K. M., & da Silva, A. B. F. (2013). Applications of artificial neural networks in chemical problems. Artificial neural networks-architectures and applications, 203-223.
-Schaefer, G & Zhou, H. (2009). Fuzzy clustering for colour reduction in images. Telecommunication Systems, 40, 17-25.
-SAMIRA, G., VIKAS, P., FITRIA,W.,& RAMMOHAN,M.(2019)AN EXPERIMENTAL SHORT REVIEW ON COLOR IMAGE QUANTIZATION. International Journal of Electrical, Electronics and Data Communication, ISSN(p): 2320-2084, ISSN(e): 2321-2950 Volume-7, Issue-12, Dec.-2019.
-Taulli, T., & Oni, M. (2019). Artificial intelligence basics (p. 9). Berkeley, CA: Apress.
