بازیابی تصویر مبتنی بر محتوا با استفاده از ماشین بردار پشتیبان و ویژگی های هیستوگرام اختلاف بافت

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 158

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SCJKA-11-1_002

تاریخ نمایه سازی: 26 فروردین 1402

چکیده مقاله:

با توجه به پیشرفت دنیای تصاویر دیجیتال و افزایش تعداد آنها، ارائه سیستمی جهت بازیابی تصویر، از اهمیت زیادی برخوردار است. یک سیستم بازیابی تصویر مبتنی بر محتوا باید بر اساس محتوای تصویر جستجو شده توسط کاربر، تصاویر مشابه را بیابد. لذا در این مقاله یک روش جدید به منظور بازیابی تصویر مبتنی بر محتوا ارائه شده است. برای این منظور، با توجه به اهمیت بافت اشیاء در یک تصویر، ویژگی جدیدی تحت عنوان هیستوگرام اختلاف بافت در جهت لبه برابر معرفی شده است. در روش پیشنهادی، ابتدا ویژگی هایی شامل ویژگی جدید معرفی شده، از تصاویر آموزشی استخراج شده و سپس تعدادی از این ویژگی ها انتخاب می شوند. در ادامه، با استفاده از این ویژگی ها و کلاس هر تصویر و همچنین روش یادگیری ماشین بردار پشتیبان، تصاویر در کلاس های مختلف به سیستم آموزش داده می شوند. ارزیابی روش پیشنهادی با استفاده از پایگاه داده استاندارد Wang انجام شده است و نتایج به دست آمده، توانایی روش پیشنهادی را در بازیابی تصاویر مبتنی بر محتوا نسبت به روش های مشابه نشان می دهد.

کلیدواژه ها:

نویسندگان

محمدمهدی علیان نژادی

دانشکده علوم، دانشگاه علم و فناوری مازندران، بهشهر، ایران

مصطفی حسینی

دانشکده فنی و مهندسی، موسسه آموزش عالی شاهرود، شاهرود، ایران

حامد غضنفری

دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود، شاهرود، ایران

احمد کمندی

دانشکده علوم، دانشگاه علم و فناوری مازندران، بهشهر، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Liu Y., Zhang D., Lu G., and Ma W., “A ...
  • Ghosh N., Agrawal S., and Motwani M., “A survey of ...
  • Rui Y., Huang T. S., and Change S. F., “Image ...
  • Datta R., Joshi D., Li Z., and Wang J. Z., ...
  • Long F., Zhang H., and Feng D. D., Fundamentals of ...
  • Li X., Chen S.C., Shyu M. L., and Furht B., ...
  • Muwei J., Junyu D., and Ruichun T., “Image Combining Color, ...
  • H. Qazanfari, Hassanpour H., and K. Qazanfari, “A short-term learning ...
  • Badrinarayanan V., Kendall A., and Cipolla R., “Segnet: A deep ...
  • Bose S., Pal A., Mallick J., Kumar S., and Rudra ...
  • Sardari M., Monadjemi A., and Jamshidi K., “A concept based ...
  • Sardari M., Monadjemi A., and Jamshidi K., “A semantic model ...
  • Dayma A., Shrivastava A., Saxena A.K., and Manoria M., “Support ...
  • Huneiti A. and Maisa D., “Content-based image retrieval using SOM ...
  • Carneiro G., Chan A. B., Moreno P. J., and Vasconcelos ...
  • Heller K. A. and Ghahramani Z., “A simple Bayesian framework ...
  • Bose S., Pal A., Mallick J., Kumar S., and Rudra ...
  • Long J., Shelhamer E., and Darrell T., “Fully convolutional networks ...
  • Meng X., An Y., He J., Zhuo Z., Wu H., ...
  • Xu Y. Y., “Multiple-instance learning based decision neural networks for ...
  • Thilagam M. and Arunish K., “Content-based image retrieval techniques: A ...
  • Kastner S. and Ungerleider L. G., “The neural basis of ...
  • رزاق زاده ش.، نوروزی کیوی پ.، پناهی ب.، «الگوریتم ترکیبی ...
  • ویسی ه.، قایدشرف ح.، ابراهیمی م.، «بهبود کارایی الگوریتم های ...
  • وثیقی ذاکر ا.، جلیلی س.، «پیش بینی ژن های بیماری ...
  • Hsu C. and Lin C., “A comparison of methods for ...
  • Dataset: http://smartcbir.nph-co.ir/datasets.php, latest accessed ۲۰۲۰/۰۶/۲۱ ...
  • Image Content Based Retrieval System using Cosine Similarity for Skin Disease Images [مقاله ژورنالی]
  • Ajam A., Forghani M., AlyanNezhadi M. M., Qazanfari H., and ...
  • Alyan-Nezhadi M., Qazanfari H., Ajam A., and Amiri Z., “Content-based ...
  • نمایش کامل مراجع