| نوع مدرک: | متون چاپی |
| سرشناسه | کیهان ، نسیم، نویسنده |
| رده‌بندی کنگره : | COM A 21 1400 |
| عنوان : | بازیابی تصویر براساس ترکیب وزن دار اطلاعات رنگ و الگو های بافتی محلی |
| عنوان موازی : | Image retrieval based on weighted combination of color information and local texture patterns |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1400 |
| صفحه شمار: | خ، 85ص |
| شابک/شاپا | 23963 |
| یادداشت | پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش هوش مصنوعی |
| شناسه افزوده : | فکری ارشاد ، شروان، استاد راهنما |
| توصیفگرها | بازیابی تصویر براساس محتوا استخراج ویژگی الگو های دودویی محلی الگو های اختلاف همسایگی محلی ترکیب وزن دار Content based image retrieval feature extraction Texture analysis local binary patterns local neighborhood difference patterns weighted combination |
| چکیده : | افزایش روز افزون توسعه تکنولوژی¬های کامپیوتری و ارتباطات، مقوله ذخیره¬سازی و بازیابی اطلاعات بویژه تصاویر را به یکی از فعال¬ترین حیطه¬ها در توسعه نظام¬های چندرسانه¬ای مبدل کرده است (مریم اخوتی و همکاران ،1392). بازیابی تصویر به معنای جستجو و استخراج شبیه ترین تصاویر به تصویر پرس و جو از درون یک پایگاه داده بزرگ تصاویر است. در این سیستم¬ها زمان جست و جو، دقت و صحت نتایج استخراجی اهمیت زیادی دارد. سایر چالش¬ها مانند نویز، چرخش، تغییرات مقیاس نیز برکارایی سیستم تاثیر می¬گذارند. پژوهش¬های پیشین نشان می‌دهندکه ویژگی¬های بافت، شکل و رنگ به تنهایی نمی‌تواند توصیف خوبی از محتوا و اشیا درون تصویر ارائه دهند. به این دلیل در سال¬های اخیر، محققین به سمت استفاده از رویکردهای ترکیبی به جای استفاده از تنها یک ویژگی مانند رنگ، شکل و بافت برای توصیف ویژگی¬های تصویر ترغیب شده¬اند. در روش¬های ترکیبی که تاکنون ارائه شده¬اند، معمولاً ویژگی¬های استخراج شده از تصاویر با ارزشی یکسان جهت بازیابی تصویر درنظرگرفته شده¬اند و ترکیب وزن¬دار اطلاعات و تفکیک ارزش ویژگی¬ها به کارگرفته نشده است. بنابراین، این پایان نامه روشی را ارائه می¬کند که از ترکیب اطلاعات محلی بافت و کُلی رنگ به صورت وزن¬دار جهت توصیف محتویات تصویر استفاده نماید. شیوه پیشنهادی در این پایان نامه شامل دو بخش است. بخش اول به استخراج ویژگی¬های بافت و استخراج ویژگی¬های رنگ و بخش دوم به ترکیب وزن¬دار ویژگی¬های استخراجی و تطابق شبیه ترین¬ها اختصاص دارد. در این راستا در مرحله استخراج ویژگی¬های بافت، از ترکیب عملگر¬های 〖 MLBP〗_(P,R)،LNDP، فیلترگوسی و ماتریس همرخداد استفاده شده است. در خصوص استخراج ویژگی¬های رنگ، از هیستوگرام رنگ استفاده شده است. پس از استخراج بردار ویژگی¬های بافت و رنگ، آنها با یکدیگر الحاق می¬شوند و بردار ویژگی بدست می¬آید. سرانجام، برای مرحله تطابق شباهت، کارآمدترین معیار شباهت با درنظرگرفتن وزن هرگروه از ویژگی¬های استخراجی استفاده شده است. عملکرد رویکرد پیشنهادی از نظر دقت و فراخوان بر روی مجموعه داده¬های corel-1k و corel-10k ارزیابی شده است و دقت 31/56 درصد روی مجموعه داده corel-10k و دقت 52/82 درصد روی مجموعه داده corel-1k بدست آمده است. نتایج نشان می¬دهد که روش پیشنهادی نسبت به بسیاری از روش¬های ارائه شده در این حوزه، نرخ دقت و نرخ فراخوان را افزایش داده است.افزایش روز افزون توسعه تکنولوژی¬های کامپیوتری و ارتباطات، مقوله ذخیره¬سازی و بازیابی اطلاعات بویژه تصاویر را به یکی از فعال¬ترین حیطه¬ها در توسعه نظام¬های چندرسانه¬ای مبدل کرده است (مریم اخوتی و همکاران ،1392). بازیابی تصویر به معنای جستجو و استخراج شبیه ترین تصاویر به تصویر پرس و جو از درون یک پایگاه داده بزرگ تصاویر است. در این سیستم¬ها زمان جست و جو، دقت و صحت نتایج استخراجی اهمیت زیادی دارد. سایر چالش¬ها مانند نویز، چرخش، تغییرات مقیاس نیز برکارایی سیستم تاثیر می¬گذارند. پژوهش¬های پیشین نشان می‌دهندکه ویژگی¬های بافت، شکل و رنگ به تنهایی نمی‌تواند توصیف خوبی از محتوا و اشیا درون تصویر ارائه دهند. به این دلیل در سال¬های اخیر، محققین به سمت استفاده از رویکردهای ترکیبی به جای استفاده از تنها یک ویژگی مانند رنگ، شکل و بافت برای توصیف ویژگی¬های تصویر ترغیب شده¬اند. در روش¬های ترکیبی که تاکنون ارائه شده¬اند، معمولاً ویژگی¬های استخراج شده از تصاویر با ارزشی یکسان جهت بازیابی تصویر درنظرگرفته شده¬اند و ترکیب وزن¬دار اطلاعات و تفکیک ارزش ویژگی¬ها به کارگرفته نشده است. بنابراین، این پایان نامه روشی را ارائه می¬کند که از ترکیب اطلاعات محلی بافت و کُلی رنگ به صورت وزن¬دار جهت توصیف محتویات تصویر استفاده نماید. شیوه پیشنهادی در این پایان نامه شامل دو بخش است. بخش اول به استخراج ویژگی¬های بافت و استخراج ویژگی¬های رنگ و بخش دوم به ترکیب وزن¬دار ویژگی¬های استخراجی و تطابق شبیه ترین¬ها اختصاص دارد. در این راستا در مرحله استخراج ویژگی¬های بافت، از ترکیب عملگر¬های 〖 MLBP〗_(P,R)،LNDP، فیلترگوسی و ماتریس همرخداد استفاده شده است. در خصوص استخراج ویژگی¬های رنگ، از هیستوگرام رنگ استفاده شده است. پس از استخراج بردار ویژگی¬های بافت و رنگ، آنها با یکدیگر الحاق می¬شوند و بردار ویژگی بدست می¬آید. سرانجام، برای مرحله تطابق شباهت، کارآمدترین معیار شباهت با درنظرگرفتن وزن هرگروه از ویژگی¬های استخراجی استفاده شده است. عملکرد رویکرد پیشنهادی از نظر دقت و فراخوان بر روی مجموعه داده¬های corel-1k و corel-10k ارزیابی شده است و دقت 31/56 درصد روی مجموعه داده corel-10k و دقت 52/82 درصد روی مجموعه داده corel-1k بدست آمده است. نتایج نشان می¬دهد که روش پیشنهادی نسبت به بسیاری از روش¬های ارائه شده در این حوزه، نرخ دقت و نرخ فراخوان را افزایش داده است |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=13161 |
| زبان مدرک : | فارسی |
مرتب سازی پالایش جستجو
