نمایش سطح بالای تصاویر جهت دسته بندی صحنه های داخلی ثابت

دستهبندی تصاویر در منابع گوناگون از مسایل مهم بینایی ماشین است. یکی از قسمتهای این دستهبندی، دستهبندی صحنهها است. دستهبندی صحنه عبارت است از مدل کردن سیستمی که ابتدا تعدادی تصویر صحنه را دریافت کرده و با استفاده از روشهای استخراج ویژگی، از هر تصویر ویژگی کد شدهای را بدست میآورد و سپس با استفاده از این ویژگیهای جدید تصاویر اولیه را نمایش داده و به دستهبندی تصاویر میپردازد. برای انجام خودکار این دستهبندی از روشهای گوناگونی استفاده میشود. اکثر این روشها از ویژگیهای کلی که به طور مستقیم از تمام تصویر استخراج میشود استفاده میکنند مانند: رنگ و بافت و ویژگیهای استخراج شده توسط الگوریتم سیفت و سایر روشهای کاربردی که در فصلهای آتی به طور مفصل مورد بحث قرار خواهند گرفت. یکی از روشهای متمایز شناسایی یا دستهبندی صحنه با استفاده از تشخیص اشیا موجود در تصویر )مخصوصا تصویر صحنههای داخلی( است. که مبتنی بر یافتن تعداد محدودی از اشیا از قبل مشخص شده میباشد. در روش ارائه شده ابتدا پنجره احاطه کننده هر شی، بدون در نظر گرفتن نوع شی، یافت میشود. سپس از محدوده شی یافت شده ویژگی سیفت استخراج میشود. از روی تمام ویژگیهای استخراج شدهی مربوط به اشیا با استفاده از خوشه بندی کا-میانگین 1 ، واژهنامه ساخته میشود. سپس با کد کردن ویژگیها برای هر تصویر به صورت محلی و خطی به یک بردار ویژگی میرسیم. در این پژوهش نشان داده میشود که این ویژگی جدید در دستهبندی صحنههای داخلی که معمولا با اشیا مختلف شناخته میشوند، مفید خواهد بود. ارزیابی الگوریتم پیشنهادی در دو مرحله انجام گرفته است. مرحله اول ارزیابی دستهبندی صحنههای داخلی میباشد، و مرحله دوم بررسی پیچیدگی اجرایی الگوریتم پیشنهادی میباشد. براساس نتایج بدست آمده، پاسخ الگوریتم پیشنهادی به علت استخراج ویژگیهای مناسب و استفاده همزمان از خصوصیات سطح بالا و محلی تصویر، در شرایط مختلف همچون پیچیدگی تصاویر و تداخل اشیا مطلوب میباشد.