بازیابی سریع تصاویر بافتی با استفاده از تبدیل والش- هادامارد

یکی از مسائل مهم در پردازش تصویر، پیدا کردن الگوریتم هایی است که بتوان تشابه و عدم تشابه یک تصویر بافت را با سایر تصاویر در زمان کوتاه مشخص کند. از آنجایی که تصاویر بافت دارای الگوهای تکرارشونده در کل تصویر هستند، الگوریتم های مشابهت یابی برای تصاویر معمولی برای تصاویر بافت کارایی ندارند. الگوریتم های مبتنی بر یادگیری عمیق هم نیازمند حجم بسیار زیادی داده در همان گروه هستند و برای تصاویر بافت که حجم داده زیادی در دسترس نباشد کارایی ندارند. در این مقاله، الگوریتمی برای جستجوی سریع تشابه بافتی با استفاده از تبدیل والش- هادامارد، توسعه داده شد. این الگوریتم، از سه مرحله تشکیل شده است: در مرحله اول از فیلتر گابور برای استخراج بردارهایی با ابعاد بالا از هر بافت، استفاده شد. سپس، از یک تبدیل تصادفی شده والش- هادامارد استفاده گردید تا بردارهایی با ابعاد بالا به بردارهایی با دو بعد جای گذاری شود. در مرحله سوم، از یک الگوریتم تقریب برای اندازه گیری فاصله بین دو بردار استفاده شد تا تشابه یا عدم تشابه بین دو تصویر بافت مشخص شود. نتایج آزمایش عملی الگوریتم گواه این امر هستند که این تقریب برای بافت های واقعی نسبتا مناسب هستند.