کاهش شکاف مفهومی در بازیابی تصویر با رویکرد بهبود اثر تلفیق در یادگیری منیفلد

بازیابی تصویر مبتنی بر محتوی، به معنای بازیابی تصاویر با استفاده از ویژگی های سطح پایین همچون رنگ، بافت و شکل می باشد. در این نوع بازیابی، شکاف معنایی به معنای اختلاف در تفسیر تصاویر، بین انسان و الگوریتم کامپیوتری می باشد. در این حوزه، نگاشت غیرصحیح ویژگی های سطح پایین تصویر به معانی سطح بالا، سبب می شود تا شکاف معنایی افزایشیابد. در بازیابی تصویر، چنانچه با تغییر در بافت، رنگ و یا شکل تصویر، از نظر انسان معنای تصویر تغییری نکند، ولی به دلیل تغییر غیر پیوسته در بردار ویژگی های سطح پایین تصویر، بازیابی تصاویر مشابه در تمامی موارد به درستی انجام نمی پذیرد. در این مقاله جهت همسو سازی نسبت تغییرات در فضای ویژگی متناسب با فضای معنا، از رویکرد کاهش ابعاد بردارهای ویژگی به صورت غیر خطی استفاده می شود. کاهش ابعاد بردارهای ویژگی به صورت غیرخطی که یادگیری منیفلد نیز نامیده می شود به معنای جستجوی ساختارهایی با ابعاد کم است که به صورت ذاتی و غیرخطی در مشاهدات با ابعاد بالا وجود دارد. نوآوری اصلی ارائه شده در این مقاله، استخراج یک فضای ویژگی از چند فضای ویژگی می باشد که با دو روش ارائه شده، اثر منفی نویز در دقت یادگیری منیفلد کاهش می یابد. در ارزیابی دو روش پیشنهادی، از دادگان های بخش b از mpeg-7 و fish استفاده شده است که نتایج تجربی بیان گر موثر بودن روش های پیشنهادی می باشد.