بازیابی محتوایی تصاویر بر مبنای یادگیری ماشین از طریق تعامل با کاربر

thesis
abstract

با رشد سریع دستگاههای تصویربرداری، حجم تصاویر دیجیتال و پایگاه دادههای تصویری به سرعت رو به افزایش است، و از طرفی دسترسی کاربران به این تصاویر به سهولت صورت میگیرد. در نتیجه نیاز به سیستمهای بازیابی تصویر که بتواند به صورت موثر بازیابی تصویر را انجام دهد بیشتر شده است. در این پایان نامه، ساختاری برای پیاده سازی یک سیستم بازیابی تصاویر ارائه شده است که می تواند بر اساس محتویات بصری تصاویر و با استفاده از یادگیری نظرات کاربران عمل بازیابی را انجام دهد. برای توصیف شباهت تصاویر در این پایان نامه از دو ویژگی رنگ و بافت تصاویر استفاده گردیده است. برای توصیف ویژگی رنگ از دو روش هیستوگرام سراسری رنگ و اتوکرلوگرام رنگ تصویر ناحیه بندی شده استفاده شده است. محاسبه اتوکرلوگرام رنگ در روش پیشنهادی باعث موثرتر شدن و مقاوم شدن این توصیفگر نسبت به دوران و انتقال تصاویر میشود. اتوکرلوگرام ذاتاً یک روش توصیف محلی است؛ محاسبه اتوکرلوگرام رنگ در تصویر ناحیه بندی شده محلی بودن این اطلاعات را افزایش می دهد. برای اضافه نمودن اطلاعات سراسری رنگ، از هیستوگرام رنگ که یک توصیفگر کاملاً سراسری است در ترکیب با اتوکرلوگرام استفاده گردیده است. نتیجه این ترکیب، یک توصیفگر رنگ موثر است که می تواند بخوبی برای بازیابی تصاویر مورد استفاده قرار گیرد. مشکل عمده همه سیستم های مبتنی بر رنگ، ضعف در بازیابی تصاویر با محتوای مشابه و رنگ های متفاوت است. به منظور رفع این مسأله و بهبود روش مبتنی بر رنگ بیان شده از موجک گابور به عنوان ویژگی بافت در ترکیب با ویژگی های رنگ استفاده شد. برای ترکیب این سه ویژگی و محاسبه فاصله نهایی هر دو تصویر موجود، از یک سیستم مبتنی بر قواعد فازی استفاده شده است، که می تواند ترکیب بسیار موثرتری را ارئه نماید، و به تبع آن دقت نتایج نهایی بازیابی شده را نیز بهبود بخشد. تمامی مراحل ذکر شده به صورت برون خطی و تنها یکبار صورت می گیرند. در مرحله بازیابی تصاویر، سیستم با استفاده از بازخورد کاربران در پاسخ به تصاویر بازیابی شده برای پرس وجوی انجام شده، عمل یادگیری و بهبود نتایج را با استفاده از اتوماتای یادگیر توزیع شده، انجام می دهد. پایگاه داده مورد استفاده، مشتق شده از پایگاه داده corel می باشد، که تصاویر آن بر اساس شباهت مفهومی در 10 رده طبقه بندی شده اند. نتایج بدست آمده از روش های معرفی شده در این پایان نامه بسیار خوب و موثر است، و این روش ها میتوانند به عنوان یک روش عملی در بسیاری از کاربردها از جمله بازیابی تصاویر موجود در وب مورد استفاده قرار گیرند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

طبقه‌بندی عارضه مبنای تصاویر پلاریمتری سار با استفاده از طبقه‌بندی‌کننده‌های چندگانه ماشین بردار پشتیبان

طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده­های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این مقاله یک روش عارضه مبنا برای طبقه بندی مناطق شهری با استفاده از داده های پلاریمتری راداری به صورت تلفیق نتایج پیکسل مبنای طبقه بندی SVM و قطعات...

full text

به کارگیری بازخورد کاربر در بازیابی تصاویر مبتنی بر محتوا

این پژوهش نشان می دهد که چگونه می توان از آنتروپی جهت تنظیم وزن مولفه های بردار ویژگی به منظور بهبود تابع شباهت، در بازیابی تصاویر مبتنی بر محتوا بهره برد. اهمیت یافته ی این تحقیق، ارائه ی دقت بازیابی بالاتر نسبت به روش های مرسوم و مبتنی بر انحراف معیار و میانگین است. در روش پیشنهادی ابتدا فیلتر گابور، ممان رنگ و هیستوگرام راستای لبه، به ترتیب جهت استخراج بافت، رنگ و لبه ی تصویر محاسبه می شوند....

15 صفحه اول

بازیابی تعاملی تصاویر طبیعت با بهره گیری از یادگیری چند نمونه ای

Content-based image retrieval (CBIR) has received considerable research interest in the recent years. The basic problem in CBIR is the semantic gap between the high-level image semantics and the low-level image features. Region-based image retrieval and learning from user interaction through relevance feedback are two main approaches to solving this problem. Recently, the research in integra...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه کردستان - دانشکده فنی و مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023