استخلاص المميزات
 |
بعض المعلومات الواردة في هذه المقالة أو هذا المقطع لم تدقق وقد لا تكون موثوقة بما يكفى، وتحتاج إلى اهتمام من قبل خبير أو مختص في المجال. يمكنك أن تساعد ويكيبيديا بتدقيق المعلومات والمصادر الواردة في هذه المقالة/المقطع، قم بالتعديلات اللازمة، وعزز المعلومات بالمصادر والمراجع اللازمة. |
في تمييز الأنماط في معالجة الصور يطلق اسم استخلاص المميزات (Feature extraction) على العملية التي تؤدي إلى تخفيض الأبعاد.
عندما يكون دخل خوارزمية ما كبيراً جداً على معالجته بسهولة ويتوقع منها أن تشكل فائض في البيانات قد يؤدي إلى ارتفاع كلفة الحساب والمعالجة واستخدام ذاكرة الحاسب دون عائد، عندها يتم تحويل البيانات إلى شكل أبسط يمثل البيانات الأصلية تكون عبارة عن مميزات البيانات الأصلية. يطلق على العملية التي يتم فيها تحويل البيانات إلى مميزاتها اسم عملية استخلاص المميزات.
أنواع المميزات
أفضل أنواع استخلاص المميزات يحدد بحسب نوع البيانات المستخدمة والتطبيق الموجهة له، وهذا يتطلب خبرة في البيانات ونوع العملية. ولكن يوجد أنواع عامة من المميزات من الممكن الاعتماد عليها في الحالات العامة مثل:
- تحليل المركبات الرئيسية Principal component analysis
- آيزوماب Isomap
- تخفيض الأبعاد اللاخطي nonlinear dimensionality reduction
معالجة الصور
يستخدم استخلاص المميزات بكثرة في حقل معالجة الصور باستخدام خوارزميات تقوم بفصل العناصر أو الأشكال في الصورة، ولها العديد من التطبيقات في الرؤية الحاسوبية على الأخص. هناك العديد من أنواع المميزات الممكن استخلاصها منها:
- استخلاص الحافة Edge detection
- استخلاص الزاوية Corner detection
- استخلاص الحركة Motion detection
- ثريشهولدنغ Thresholding
- مطابقة النماذج Template matching
- تحويل هوف Hough transform
انظر أيضا
Feature extraction]] fa:استخراج ویژگی pt:Extração de características
