ارائه روشی جدید به منظور بهبود روش بسته کلمات بصری در دسته بندی اشیاء در تصاویر با رویکرد فازی

مهمترین چالش در پردازش تصویر و حوزه بینایی کامپیوتر استخراج ویژگیها برای تشخیص و تطبیق اشیاء است. یافتن ویژگیهای محلی تصویر یکی از راهکارهای پیدا کردن یک سری نقاط کلیدی در تصویر می باشد. که توصیفگر SURF از این راهکار استفاده می کند. با توجه به افزایش میزان در دسترس بودن داده های دیجیتال چند رسانه ای، سیستم های بازیابی اطلاعات بصری اهمیت زیادی به دست آورده اند. به منظور دسته بندی تصاویر، استفاده از ویژگی های محلی در روش کیسه کلمات، عملکرد بهتری نسبت به ویژگی های سراسری دارد و عملکرد دسته بندی در مجموعه داده های بزرگ پیشرفته تر است. در این مقاله، یک مطالعه با رویکرد فازی برای محتوای مبتنی بر دسته بندی اشیاء در تصویر انجام می دهیم که رویکرد اولیه این تحقیق، اعمال فیلتر تیز کننده در مرحله استخراج ویژگی ها در توصیف گر SURF است. تا با تیز کردن لبه ها نقاط کلیدی مناسب تر و جزئیات بهتر و بیشتری شناسایی شوند و در ادامه ی رویکردکیسه کلمات بصری در دسته بندی اشیاء برای ایجاد کلمات بصری و انتساب کلمات بصری از روش خوشه بندی فازی استفاده می شودکه آزمایش ها برروی مجموع داده های استاندارد ETNZ و Caltech 101 انجام شده است. نتایج آزمایشات بهبود 2 تا 4 درصدی در بازشناسی اشیاء را نشان می دهد.

کلیدواژه ها:

نقاط کلیدی ، ویژگی های محلی ، توصیف گر ویژگی ، تشخیص شیء ، خوشه بندی ، فازی ، بسته