یکی از راه¬های تشخیص بیماری¬ها در پزشکی استفاده از تصاویر آزمایشگاهی می¬باشد. برای مثال در بیماری سل با تبدیل اجزای دی ان ای حاصل از نمونه برداری از ریه¬های فرد بیمار به تصاویر و مقایسه آن با نمونه¬های از پیش تعیین شده از افراد بیمار و سالم می¬توان نشانگرهای حیاتی را در این نمونه¬ها یافت. این نشانگرها، آشکار کننده میزان پیشرفت یا بهبود، در بیان مراحل بیماری می¬باشند. تصاویری که ما در مسئله خود مورد بررسی قرار خواهیم داد در واقع نشان دهنده اجزای تشکیل دهنده انواع متداولی از یک ویروس خاص می-باشد. درتوضیح این تصاویر می¬توان اینگونه گفت که پس از شکستن یک ویروس به اجزای تشکیل دهنده، آن را در یک میدان الکتریکی قرار می¬¬¬دهیم، که در این¬صورت اجزای تشکیل دهنده¬ (band) شروع به حرکت می¬کنند، اجزایی که وزن بیشتری دارند در نزدیکی مبدا می¬مانند و اجزایی که وزن سبک¬تری دارند از مبدا دورتر می¬شوند. درنتیجه ما بر اساس این فاصله¬ها می¬توانیم الگوهای خاصی را بدست آوریم و کار مقایسه نوع ویروس¬ها را فقط به مقایسه الگوهای آنها محدود کنیم البته ناگفته نماند که بر اساس فاصله می¬توان وزن اجزای تشکیل دهنده را نیز بدست آورد. تحلیل و بررسی تصاویر پزشکی بدست آمده، روش متداول برای مشخص کردن نوع ویروس مبتلا کننده نمونه می¬باشد، از آنجا که کار مقایسه چشمی نمونه، با الگوی از قبل آماده آن ویروس خاص، کاری سخت، زمان بر و مستعد خطاست برای غلبه بر چنین مشکلاتی بر آن شدیم تا با طراحی یک سیستم پشتیبان تصمیم کار دسته¬بندی نمونه¬ها را تسهیل نماییم.

در دنیای واقعی رابطه ای قوی بین محیط و اشیاء وجود دارد که استفاده از اطلاعات مربوط به روابط اشیاء و صحنه نقش مهمی در فرآیند بازیابی شئ ایفا می کنند. یعنی زمانی که در یک صحنه شئ خاصی جستجو می شود، یک بیننده در موقعیت هایی از تصویر تمرکز می کند که بیشترین احتمال پیشین را برای وجود شئ مورد نظر دارا هستند. بنابراین متن صحنه برای تصمیم گیری درمورد حرکات بعدی چشم بسیار تعیین کننده است و زمانیکه اطلاعات ظاهری شئ به دلیل کوچک بودن شئ، شلوغی صحنه، وجود مانع و یا هر نوع ابهام دیگری برای بازشناسی آن کافی نباشد، می توان از اطلاعات متن تصویر مانند نوع صحنه و اشیاء دیگر صحنه برای بازشناسی شئ کمک گرفت. به منظور توسعه روشی دقیق برای بازشناسی شئ در تصاویر واقعی و با وجود اشیاء مختلف در این پایان نامه راه حل هایی ارائه شده است که بازیابی شئ را با استفاده از اطلاعات متنی یعنی اشیاء دیگر تصویر و تعداد آنها انجام می دهد و هدف بهبود دقت بازیابی شئ است.

بازشناسی صحنه یکی از مسائل چالش برانگیز در بینایی ماشین است که شامل استخراج ویژگی و انتخاب کلاسبند می باشد. استخراج ویژگی نقش کلیدی در آن دارد. روش های پیشنهادی را می توان از دو دیدگاه سطح (سطح پایین و سطح مفهومی) و مقیاس (محلی و سراسری) استخراج ویژگی تقسیم بندی کرد. به دلیل وجود شکاف معنایی میان ویژگی های سطح پایین و مفاهیم معنایی و عدم توجه به رابطه مکانی بین اجزای تصویر در روش های مبتنی بر ویژگی های سراسری، استفاده از ویژگی های محلی همراه با آن ها ضرورت می یابد. در این پایان نامه رویکرد جدیدی روی دسته صحنه های خارجی ارائه شده است که پس از به دست آوردن دو بردار ویژگی سراسری جیست و ویژگی محلی سیفت برای هر تصویر، دو کلاسبند را به صورت جداگانه آموزش دادیم و نتایج خروجی را با استفاده از قانون ترکیبی ضرب ترکیب کردیم. نتایج عملی نشان می دهند که روش پیشنهادی کارایی قابل قبولی در مقایسه با روش های قبلی به دست آورده است.