یک چارچوب جدید استخراج ویژگی برای بازیابی تصاویر ارائه می‌شود. این سیستم برای آنالیز تبدیل چرخشی طراحی شده است. از توصیفگرهای آماری در دامنه فرکانسی سیگنال استفاده می کند. تبدیل چرخشی توسط یک الگوریتم نیمه نظارتی محاسبه می شود که این الگوریتم بسیار ساده و موثر است. ویژگی های استخراجی انرژی و بردار نرم-1 هستند که از بخش های مختلف صفحه دو قطبی فرکانسی بدست می ‌آید. این ویژگی های بازدهی مناسبی را به ارمغان می اورند. مضافا بر اینکه این مقاله چارچوبی جدید دیگری برای ویژگی های مکانی ارائه می دهد که منجر به افزایش مجدد درصد بازیابی در پایگاه داده تصاویر رنگی می‌شود. طلاعات مکان توسط ماتریس میدان نزولی بدست می آید. ترکیب معنادار ویژگی بافتی با اطلاعات طیفی منجر به ویژگی مقاوم در مقابل چرخش و مقیاس بندی می‌شود. نتایج آزمایشات بر روی پایگاه داده مقیاس بزرگ با 10000 تصویر، تضمین کننده کارایی سیسیتم پیشنهادی است. در بلوک بازیابی جهت اندازه گیری فاصله از فاصله کانبرا و مینکوفسکی استفاده شده است. نتایج نهایی سیستم با چند روش قبلی مقایسه می‌شود که در تمامی کلاسها روش پیشنهادی عملکرد مناسبی دارد که در حدود 10 درصد باعث بهبود نتایج می‌شود. Manuscript profile

A comprehensive feature selection and weighting combination method with novel learning of ANN were introduced, for biomedical RETINA images retrieval. Modified Radon, and modified Hu Moments operators with weighting combinational methods were proposed for achieving higher percentage of retrieval. Besides that, these characteristics are re-composed for presenting outstanding statistic specification and spatial signals. This spatial and frequency information is obtained for all RETINA image dataset. Composition of shape & Textural features present robust vectors for retrieval of biomedical database. In addition, a ANN framework is proposed and applied to measure the similarity between the query and biomedical database. This novel scheme illustrates higher and better specialty in the RETINAI dataset. The results were compared and understood to be remarkable. Manuscript profile

A new feature extraction technique for Content based retina biomedical image retrieval is proposed. This method is based on spectral correlation that provides description in the frequency domain. The image is partitioned into non-overlapping tiles. The features drawn from transferred image with proposed new features Spectral correlation using moments between the image tiles, serve as local descriptors. Shape information is captured in terms of edge images computed using combined moments. The combination of the texture features between image and the shape features provide a robust feature set for biomedical retina image retrieval. The experimental results show the efficacy of the method. For matching the biomedical retina images an integrated matching, based on similar highest is provided. The experimental results are compared and found to be encouraging. Manuscript profile