نوع مدرک: | متون چاپی |
سرشناسه | احمدی قراچه ، شیما، نویسنده |
ردهبندی کنگره : | COM A 12 1399 |
عنوان : | بازیابی تصویر بر اساس الگوهای ترکیب رنگ دودویی محلی و با تمرکز بر کاهش بار محاسباتی |
عنوان موازی : | Title of the Thesis: Image Retrieval Based On Hybrid Color Local Binary Pattern In Presence of Complexity Reduction |
ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
سال نشر : | 1399 |
صفحه شمار: | ز، 84ص |
شابک/شاپا | 23557 |
یادداشت | پایان نامه کارشناسی ارشد: هوش مصنوعی |
شناسه افزوده : | فکری ارشاد ، شروان، استاد راهنما |
توصیفگرها | بازیابی تصویر ویژگی های بافت ویژگی های رنگ خوشه بند K-means local extrema peak pattern local extrema valley pattern Image Retrieval Texture Features Color Features K-means Clustering |
چکیده : | با توجه به پیشرفت روز افزون تجهیزات و دستگاه¬های تصویربرداری دیجیتال مانند تلفن¬های همراه هوشمند، روزانه حجم وسیعی از تصاویر دیجیتال در فضای وب، دیسک¬های سخت، سرورها و غیره ذخیره می¬شوند. حجم گسترده این تصاویر، بازیابی آنها را به یکی از چالش¬های این زمینه تبدیل کرده است. یکی از معمول¬ترین روش¬های بازیابی تصاویر، بازیابی مبتنی بر محتوا است. یکی از رایج¬ترین تکنیک¬ها برای بازیابی تصاویر مبتنی بر محتوا استفاده از ویژگی¬های رنگ و بافت تصاویر است. اما روش-هایی که تاکنون ارائه شده است بازدهی و کارایی لازم را نداشته و نیاز به تحقیقات بیشتر بیش از پیش احساس می¬شود. در این تحقیق از یک روش مبتنی بر ترکیب ویژگی¬های بافت و رنگ برای بازیابی تصاویر استفاده شده است. در بخش ویژگی¬های رنگ با استفاده از هیستوگرام رنگ، هیستوگرام گرادیان جهت¬دار، تفاضل هیستوگرام رنگ و گشتاورهای رنگ ویژگی¬های تصویر استخراج شده است. در بخش ویژگی¬های بافت چهار دسته ویژگی مبتنی بر روش¬های Local Ternary Patterns ، Modified Local Binary Pattern ، local extrema peak pattern و local extrema valley pattern از تصویر استخراج شده و در نهایت بردارهای ویژگی این دو دسته با یکدیگر الحاق شده و بردار ویژگی نهایی برای تصویر تولید می¬شود. سپس تمامی ویژگی¬ها خوشه¬بندی شده و فاصله¬ی تصویر درخواستی و مراکز خوشه¬های بدست آمده بعنوان معیار محاسبه¬ی فاصله اولیه در نظر گرفته می¬شود. در نهایت بازیابی از خوشه¬ای انجام می¬پذیرد که سرخوشه¬ی آن کمترین فاصله را تا تصویر درخواستی داشته باشد. رایج¬ترین خوشه بند مورد استفاده برای حوزه، خوشه¬بند K-means است که در این تحقیق از این خوشه¬بند استفاده شده است. ازمایشات انجام شده بر روی داده¬های پایگاه داده¬ی Corel نشان می¬دهد روش پیشنهاد شده با دقت بازیابی 28/74 % در مقابل روش مرجع با دقت 53/71 % توانسته است در تعداد تصاویر بازیابی کمتر از 50، بیش از 2 درصد از روش مرجع برتری داشته باشد. همچنین استفاده از روش خوشه¬بندی موجب شده است که بازیابی تصاویر تا 80 برابر سریع¬تر (زمان بازیابی بدون خوشه¬بندی 871438/2 و زمانن بازیابی با خوشه¬بندی 036151/0) انجام شود که در پایگاه¬داده¬های بزرگ از اهمیت بسیار بالایی برخودار است |
لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=12818 |
زبان مدرک : | فارسی |