خوشه بندی تصاویر مقیاس بالا با مدل سازی نشانه های معنایی و شبیه سازی مکانی

در سال های اخیر حاشیه نویسی تصاویر یکی از موضوعات تحقیقاتی فعال است. در این مقاله برای حاشیه نویسی تصاویر، تکنیک خوشه بندی تعاونی نیمه نظارت شده پیشنهاد می شود. روش های خوشه بندی به دلیل عدم نیاز به حاشیه نویسی بسیار موردتوجه هستند. برای دستیابی به بالاترین کارایی، نتایج خوشه بندی شش سیستم با فضای رنگ و معیار شباهت متفاوت با رای اکثریت به صورت تعاونی، باهم ترکیب می شوند. در شرایطی که تعداد رای ها برای یک تصویر کم باشد از بازخورد مرتبط برای حاشیه نویسی آن استفاده می شود. امروزه بیشتر از معیار شباهت خطی برای تعیین شباهت بین تصاویر استفاده می شود، ولی مدل های غیرخطی به دلیل نزدیکی به سیستم بینایی انسان می توانند کارایی بسیار بهتری داشته باشند، بدین منظور معیار شباهت غیرخطی KMRBF برای شبیه سازی بینایی انسان و بهبود نتایج بازیابی پیشنهاد می شود. آزمایش ها روی پایگاه داده تصاویر کورل و تصاویر ماهواره ای نشان می دهند که روش پیشنهادی دارای کارایی مناسبی است. با توجه به نتایج به دست آمده در پایگاه داده تصاویر ماهواره ای فضای رنگ YIQ دارای دقت بالاتری (به مقدار ۵/۸۲ درصد) است. همچنین سه فضای رنگ CIELab, HSV و YIQ دارای کارایی بالاتری هستند، چون در این فضاهای رنگی لومینانس از کرومینانس جدا بوده و این فضاهای رنگی به سیستم بینایی انسان نزدیک تر هستند.

کلیدواژه ها:

رنگ ، بافت ، بازیابی تصویر ، تبدیل طیفی ، استخراج ویژگی جدید