ارائه یک سیستم جدید بازیابی تصاویرمبتنی بر محتوی با استفاده از گراف فازی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,359

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP07_132

تاریخ نمایه سازی: 28 مرداد 1391

چکیده مقاله:

با توجه به معانی و ابهامات موجود در تصاویر، یکی از بزرگترین چالش ها در بحث بازیابی تصویر مبتنی بر محتوی، دوری سیستم های موجود از مفاهیم سطح بالای تصویر و عدم توانایی آنها در ارائه ی یک مدل غیرقطعی و انعطاف پذیر می باشد. استفاده از گراف فازی می تواند راه حل مناسبی برای کمک به بهبود این مسأله باشد. یعنی هر منطقه از تصویر را با استفاده از یک نود و روابط بین مناطق را با استفاده از یال های گراف مدل کنیم. در این مقاله سعی می کنیم تا بین مناطق مختلف تصاویر از نظر معنایی تفاوت قائل شویم و به مناطقی که بار معنایی بیشتری دارند، ارزش بیشتری داده شود. در همین راستا دو صفت جدید تراکم و میزان مرکزی بودن منطقه برای نود و صفت همسایگی دو طرفه برای یال در سیستم مورد نظر معرفی می کنیم و همچنین سعی می کنیم تا با استفاده از یک طرح وزنی فازی ساده برای وزن دادن به صفت – نودهای گراف به کاهش فاصله معنایی موجود در تصاویر کمک کنیم. در نهایت برای کاهش زمان زیاد جستجوی فراگیر از یک طرح خوشه بندی برای تمامی گراف های پایگاه داده مورد نظر استفاده می کنیم. مشاهده بررسی نتایج بر روی پایگاه داده های تصویری Corel و Pascal نشان می دهد که روش پیشنهادی از کارایی قابل قبولی برخوردار است

کلیدواژه ها:

بازیابی تصویر مبتنی بر محتوی ، قطعه بندی تصویر ، فاصله معنایی ، مجموعه فازی ، گراف فازی

نویسندگان

هادی نبی زاده

دانشکده برق، کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی قزوین

امیر مسعود افتخاری مقدم

دانشکده برق، کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی قزوین

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 :
  • Krishnapuram, R., Medasani, S., Jung, S., Choi, Y. and ased ...
  • Jiang, W., Er, G. Dai, O. and Gu, J, _ ...
  • Aboulmagd, H., Gayar, N. E. and Onsi, H., ":A new ...
  • Haihui, W., Yanli, W., Tongzhou, Z., Miao, W and Mingpeng, ...
  • Wu, K. and Yap, K. H., "Fuzzy SVM for content-based ...
  • comparison and its application", Patter Recognition , 2008. ...
  • Conte, D., Foggiaf, P., Sansone, C. and Ventof, M., "Graph ...
  • comparison of neural and statistical methods", IEEE Transactions _ Neural ...
  • Foliguet, S. P., Gony, J., and Gosselin, P. H., CFReBIR: ...
  • Antonelli, M., Dellepiane, S.G., Goccia, M., "Design and Implementation of ...
  • Hlaoui, A., Sun, H. and Wang, S., "Image Retrieval Using ...
  • Zhang, D., Islam, M. M. and Hou, G. L. J., ...
  • Kao, Y. and Lee, S. Y., "Combining K-means and Particle ...
  • Smeulders, A. W. M., Worring, M., Santini, S., Gupta, A. ...
  • Medasani, S., Krishnapuram, R. and Choi, Y., "Graph Matching by ...
  • نمایش کامل مراجع