بازیابی تصویر مبتنی برمحتوی با استفاده از ویژگی های سراسری و محلی مبتنی برمدل GBOVW

توضیحات

چکیده

در این مقاله روش جدیدی برای سیستم بازیابی تصویر مبتنی برمحتوی براساس ویژگیهای سراسری و محلی تصویر مبتنی بر گروه بندی کیسه ی کلمات بصری اراِئه میشود. در این روش برای استخراج ویژگی های سراسری از ویژگی رنگ و برای استخراج ویژگی های محلی از الگوریتم SURFو مدل BOVW1استفاده شده است.به دلیل استخراج حجم عظیمی از نقاط کلیدی وبرجسته ی تصاویرازمدل کیسه ی کلمات بصری جهت کوانتیزه کردن ویژگی های محلی استفاده می شود.ازهیستوگرام رنگ HSVبرای تولید بردارویژگی سراسری استفاده می شود.اماین روش با استفاده از پایگاه داده کرل 1000و معیار فاصله ی منهتن وزن دار آزمایش شدهاست، که در مقایسه با دیگر روشهای پیشین دقت بازیابی تصاویر از جمله در کلاس کوهستان و ساحل افزایش قابل قبولی یافته است.کلاس کوهستان با دقت، 52.8ساحل با دقت 48.7وساختمان با 78.9با ودیگر کلاس های پایگاه داده ی کرل به بالای 80درصدبا 20تا نزدیکترین تصویر مشابه محاسبه شده است.

 

مقدمه

در سالهای اخیر، به دلیل افزایش سریع حجم تصاویر دیجیتال،تکنیک های مختلفی برای ذخیره- سازی، نمایش، جستجو و بازیابی تصاویر ارائه شده است. امروزه موضوع بازیابی اطلاعات دیداری از پایگاه داده های تصاویر به یک زمینه تحقیقاتی مهم تبدیل شده است. در روش های قدیمی برای بازیابی تصاویر، از سیستم مدیریت پایگاه داده مبتنی بر متن استفاده میشد. با رشد سریع فناوری های ذخیره و بازیابی اطلاعات، به ویژه پایگاه های تصاویر دیجیتال، جستجو و بازیابی دراین پایگاه داده ها به چالشی بزرگ تبدیل شده است. به طور کلی توصیف ویژگی های تصویر میتواند به صورت سراسری و محلی باشد. توصیفگر ویژگی سراسری محتوای بصری کل تصویر را شرح میدهد، در حالی که توصیفگر ویژگیهای محلی محتوی قسمتی از درون تصویر(گروه کوچکی از پیکسلها) را توصیف میکند. برای محاسبه ویژگیهای محلی برعکس سراسری، تصویر را ناحیه بندی کرده و عملیات استخراج ویژگی را از نواحی تصویر انجام میدهند، ویژگیهای سراسری شامل ویژگیهایی است که از کل تصویر استخراج میشوند. رنگ، بافت و شکل ویژگی هایی سراسری تصویر در سیستم های بازیابی مبتنی برمحتوی هستند. ویژگی های سراسری به رنگ، بافت و شکل وابسته هستند.

 

ABSTRACT

In this paper, a new method for image-based image retrieval system is presented based on the local and global features of the image based on the grouping of visual words bag. This method has been used to extract the global features of the color property and to extract local features from the SURF algorithm and the BOVW1 algorithm. Because of the large amount of key points and the extraction of images of the long-lasting bag of visual words to quantize local attributes, the histogram is used. The HSV color is used to generate a global feature vector. This method has been tested using the Core1000 database and the Manhattan Distance Mean Scale, which has been found to be more acceptable in comparison with other previous methods for the recovery of images, such as in the mountain and coastal classes. The mountain range is accurate, 52.8 beach with a precision of 48.7 meters All the other classes with 78.9 with Curl database to over 80% with 20 to close the same image is calculated.

 

INTRODUCTION

In recent years, due to the rapid increase in the size of digital images, various techniques have been proposed for storing, displaying, retrieving and retrieving images. Today, the issue of retrieving visual information from image databases has become an important field of research. In the old ways to recover images, a text-based database management system was used. With the rapid growth of storage and data retrieval technologies, especially digital image databases, search and retrieval in these databases has become a major challenge. In general, describing the features of the image can be global and local. The global attribute describes the visual content of the entire image, while the descriptor describes local features that contain the part of the image (a small group of pixels). To compute local features in reverse, they divide the image and perform feature extraction from the regions, the global features include features that are extracted from the entire image. Color, texture and shape are global features of the image-based retrieval system. Global features are color-dependent, textured and shaped.

 

 

Year: 2018

Publisher : The third conference is the latest scientific achievements in the field of computer engineering, soft processing and advanced processing technologies

By : Samira Heidari, Mosallah Abbasi Dezfuli

File Information: English Language/ 12 Page / size: 822 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1397

ناشر : سومین کنفرانس آخرین دستاوردهای علمی در حوزه مهندسی کامپیوتر، پردازش نرم و  تکنولوژی های نوین پردازشی

کاری از : سمیرا حیدری , ماشالله عباسی دزفولی

اطلاعات فایل : زبان فارسی / 12 صفحه / حجم : KB 822

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود