@article { author = {Hadizadeh, Hadi}, title = {A Novel Color Texture Classification using Sparse Coding based on Quaternionic Representation}, journal = {Journal of Machine Vision and Image Processing}, volume = {6}, number = {2}, pages = {147-158}, year = {2020}, publisher = {Iranian Society of Machine Vision and Image Processing}, issn = {2383-1197}, eissn = {2383-1197}, doi = {}, abstract = {Texture and color are two important attributes for object recognition. Recently, quaternionic representation of color images have been used as an effective method for color image processing. Using such a representation, it is possible to consider the mutual interaction between different color channels. In the last decade, several quaternion operations like rotation, reflection, and Clifford translation have been developed. Such operators are able to extract shallow information from the color images. In this paper, we first propose a set of new quaternion operators called hybrid quaternionic operators, which can be produced by a cascade of several simple quaternionic operators. Such operators can extract deeper information from the color images. We then use such operators, and present a novel color texture classification method using the concept of sparse coding. Experimental results indicate that the proposed method outperforms several existing and popular methods.}, keywords = {Texture,Quaternion,Sparse Coding}, title_fa = {روشی نوین برای توصیف و دسته بندی تصاویر بافتی رنگی با استفاده از کُدگذاری تُنُک ویژگی‌های چهارگانی}, abstract_fa = {رنگ و بافت دو مولفه بسیار مهم در تشخیص و تمایز بین اشیاء مختلف در دنیای واقعی می باشند. اخیرا، نمایش چهارگانی (کواترنیونی) تصاویر تبدیل به یک شیوه کارآمد برای توصیف تصاویر رنگی شده است. با استفاده از نمایش چهارگانی تصاویر رنگی، امکان پردازش و در نظر گرفتن اطلاعات متقابل بین کانال های رنگی تصاویر به صورت توامان فراهم می شود. تاکنون عملگرهای چهارگانی ساده ای همچون عملگرهای چرخش، انعکاس و انتقال کلیفورد برای تصاویر رنگی توسعه یافته اند. با اعمال این عملگرهای ساده بر تصاویر رنگی، می توان اطلاعات کم عمقی در خصوص رابطه بین کانال های رنگی یک تصویر به دست آورد. در این مقاله، ابتدا عملگرهای چهارگانی جدیدی موسوم به عملگرهای چهارگانی ترکیبی را پیشنهاد می دهیم که از ترکیب متوالی و دلخواه عملگرهای چهارگانی ساده تشکیل می شوند. با استفاده از عملگرهای پیشنهادی می توان اطلاعات عمیق تری از تصاویر رنگی را استخراج نمود. سپس، روشی مبتنی بر مفهوم کُدگذاری تُنُک را برای دسته بندی تصاویر بافتی رنگی توصیف شده توسط عملگرهای چهارگانی ترکیبی پیشنهاد می دهیم. نتایج تجربی نشان می دهند که روش پیشنهادی برای دسته بندی تصاویر بافتی رنگی از دقت بالاتری در مقایسه با سایر روش های موجود بر روی سه پایگاه مشهور از تصاویر بافتی رنگی برخوردار است}, keywords_fa = {Texture,Quaternion,Sparse Coding}, url = {https://jmvip.sinaweb.net/article_87690.html}, eprint = {https://jmvip.sinaweb.net/article_87690_e7ea1794b7de0b55af727953ec187900.pdf} }