انجام پایان نامه بازیابی تصویر و پردازش تصاویر

 

انجام پایان نامه سیستم های بازیابی تصویر در دو مرحله عمل می کنند: در مرحله اول، ویژگی های دیداری تصاویر پایگاه، بصورت خودکار استخراج شده و تصاویر با آنها نمایه سازی می شوند. در مرحله دوم، پس از دریافت تصویر پرس و جوی کاربر، ویژگی های سطح پایین آن استخراج می شود و پایگاه ویژگی های دیداری، برای یافتن نزدیکترین تصاویر به تصویر مورد نظر جستجو می شوند. چنانچه تصاویر پایگاه بصورت متنی نیز نمایه سازی شده باشند، جستجوی پایگاه ویژگی های متنی می تواند به کاهش فضای جستجوی ویژگی های دیداری کمک کند. در یک سیستم بازیابی تصویر برای مشاوره و آموزش انجام پایان نامه مدیریت اجرای مرحله دوم به یک زیرسیستم برای پردازش تصویر پرس و جو و استخراج ویژگی های سطح پایین آن نیاز است.

فهرست مجلات جعلی isi و وب آو ساینس|WOS

ویژگی های بصری مورد استفاده در سیستم بازیابی تصاویر براساس محتوا

در ادامه، تکنیک های بکار رونده در بازیابی تصاویر محتوا محور براساس مهمترین ویژگی های مورد استفاده(رنگ، طرح بندی، بافت و شکل) مختصرا مورد بررسی قرار می گیرد.

مقاله تاثیر بازاریابی رسانه‌ های اجتماعی بر قابلیت‌ های ارتباط با مشتری

1 . بازیابی براساس ویژگی رنگ

مهمترین نمایش رنگی مورد استفاده در بازیابی تصاویر، هیستوگرام رنگی می باشد. مهم ترین تکنیک هایی که از این نمایش رنگی استفاده می کنند عبارتند از: اشتراک هیستوگرام ها[1] (9)، مقایسه هیستوگرام ها(10) و هیستوگرام رنگ تجمیعی[2](جهت کاهش اثرات نویز)(11).

نمایش های دیگری نیز برای ویژگی های رنگی جهت بازیابی تصاویر مورد استفاده قرار گرفته است. مثلا می توان به گشتاورهای رنگی[3] (11)و مجموعه های رنگی[4](12-13) اشاره نمود.

2. بازیابی براساس ویژگی طرح بندی رنگ

استفاده تنها از ویژگی رنگی بر روی پایگاه داده های با تعداد تصاویر بالا باعث می شود تا میزان پاسخ های برگشتی اشتباه بسیار بالا رود و استفاده از این ویژگی را ناکارآمد کند. به همین دلیل استفاده از ویژگی طرح بندی رنگی(ترکیب ویژگی رنگ و رابطه مکانی پیکسل ها) مطرح شد. ایده کلی این روش استخراج ویژگی های رنگی در زیر نواحی مشخصی از تصویر می باشد(14-15) که از آن جمله می توان به استفاده از ویژگی رنگ در درختان چهارتایی اشاره نمود(16). قطعه بندی تصویر و استفاده از ویژگی رنگ در هر ناحیه می تواند نتایج دقیق تری را تولید کند ولی به همان نسبت پیچیدگی کار را نیز بالاتر می برد(12). از جمله روش های دیگری که با این دید به مساله پرداخته اند می توان به موراد زیر اشاره نمود: استفاده از سه گشتاور رنگی اول در نواحی در چند ناحیه هم پوشان از قبل تعیین شده(16). روش بر پایه تمایز قایل شدن بین پیکسل های شبیه و غیر شبیه هر ناحیه به میانگین رنگی آن ناحیه(17) و ... طرح بندی مکانی را می توان با سایر ویژگی های دیگر نیز (نظیر بافت و ...) بکار برد.

پایان نامه علوم تربیتی-هدایت دانشگاه به سمت تبدیل شدن به دانشگاه های کلاس جهانی (WCU)

 

3. بازیابی براساس ویژگی بافت

بافت به الگوهای بصری ای گفته می شود که توسط نمایش رنگی قابل ارائه نیستند. مدل های مختلفی برای نمایش و استفاده بافت ها ارائه شده است. بازیابی براساس بافت به تنهایی کاربرد چندانی ندارد. اما استفاده از شباهت بافت بین نقاطی که دارای رنگ همسانی هستند(نظیر آسمان و دریا و یا برگ ها و علف) بسیار مفید می باشد. تکنیک های مختلفی جهت شناخت بافت پیشنهاد شده است. استفاده از ماتریس هم وقوعی[5] (18)جزو اولین تلاش ها در این زمینه بوده است که سابقه آن به خیلی قبل از مبحث بازیابی تصویر برمی گردد. از مهم ترین روش های این زمینه می توان به روش Tamura که بر پایه مطالعات روانشناسانه و استخراج ویژگی های بافتی دارای مفهوم(19) می باشد، اشاره نمود.

مهم ترین تکنیک های موجود برای بازیابی براساس بافت بر پایه مقایسه مقادیر آماره های درجه دوم[6] بین مورد پرس و جو و داده های بانک اطلاعاتی کار می کنند. با استفاده از این آماره ها اندازه گیری ویژگی هایی از بافت تصویر نظیر کنتراست، زبری[7]، جهت بافت[8]، نظم و باقاعدگی[9] (19)بافت یا حالت تناوبی و تصادفی بودن بافت(20) ممکن می شود. رهیافت های دیگری برای اندازه گیری بافت عبارتند از: نمایش های بر پایه تبدیل موجک(21)، فیلترهای گبور(22) و فراکتال ها(23). مقاله های مختلفی در جهت کارآیی این روش ها در کاربرد های پردازش تصویر ارائه شده است3C456E644E6F74653E3C436974653E3C417574686F723E43726F73733C2F417574686F723E3C596561723E313938333C2F596561723E3C5265634E756D3E32393C2F5265634E756D3E3 (24-28).

 

4. بازیابی براساس ویژگی شکل

بازیابی براساس شکل شهودی ترین نوع بازیابی می باشد. مهم ترین خصیصه ای که ویژگی شکل را برای کاربردهای پردازش تصویر مناسب ساخته است این است که یک شکل می تواند در برابر انتقال، دوران و تغییر مقیاس همویت خود را حفظ نماید(29).

در این روش ها تعدادی از ویژگی های مشخصه اشیای داخل تصاویر(که مستقل از انداره و جهت می باشند)، برای هر تصویر ذخیره شده و بازیابی براساس آنها انجام می شود. ویژگی های شکل براساس اینکه به چه صورت استخراج می شوند، به دو دسته تقسیم می شوند: ویژگی های بر پایه لبه ها و ویژگی های بر پایه نواحی. مهم ترین ویژگی های مشخصه اشیا که بکار گرفته می شوند عبارتند از: ویژگی های سراسری نظیر نسبت ابعاد شی[10]، مدور بودن[11] و ثوابت گشتاور(30-32)، توصیف گرهای فوریه[12] (33-34)(استفاده از لبه های تبدیل فوریه یافته) و ویژگی های محلی نظیر سگمنت های لبه های متوالی[13](35). از روش های دیگری که برای انطباق اشکال پیشنهاد شده اند، می توان از روش دگردیسی کشسان قالب ها[14] (36)، مقایسه هیستوگرام جهتی[15] لبه های تصاویر و نمایش اسکلتی[16] اشیای تصویر که با تکنیک های انطباق گراف باهم مقایسه می شوند(37-38)، روش عناصر محدود[17] (36)، توابع گردشی[18] (39)و توصیف گرهای موجک(40) نام برد. از مقالاتی که به بررسی کلی این روش ها و مقایسه آن ها پرداخته اند می توان به(16, 41) اشاره نمود.