مروری بر ارتباط ویژگی های سطح پایین با معانی سطح بالا در سیستم های بازیابی تصویر مبتنی بر محتوا

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 560

فایل این مقاله در 20 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF03_074

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

در دنیای دیجیتال، پیچیدگی محتویات چند رسانه ای به طور قابل توجهی در حال افزایش است. به دلیل این پیچیدگی، در جهت رفع نیازهای بشری، نیاز به توسعه سیستم های بازیابی بسیار موثری احساس می شود. در سیستم های بازیابی تصویر مبتنی بر محتوا یا CBIR تمرکز بیشتر بر روی استخراج ویژگی ها از تصاویر جستجو شده و تصاویر ذخیره شده در پایگاه داده برای شناسایی شباهت بین این ویژگی ها جهت بازیابی تصاویری که به صورت بصری مشابه هستند می باشد. CBIR هنگامی که تمرکز به سمت کاهش شکاف معنایی یا شکاف زبان شناسی ویژگی های سطح پایین و معانی سطح بالا می رود سخت تر می شود. این بررسی خلاصه ای کوتاه در مورد ویژگی های سطح پایین و زبان شناسی سطح بالا که در اندیشه ی CBIR برای بازیابی صحیح به تازگی، اقدامات پژوهشی گسترده ای در زمینه بازیابی تصاویر محتوا محور ارایه و انجام شده است. اکثریت این اقدامات بر روی کاهش فاصله معنایی که بین ویژگی های تصویر سطح پایین(ارایه شده توسط ماشین های دیجیتال) و ادراکات انسانی سطح بالا (مورد استفاده برای درک تصاویر) وجود دارد تمرکز کرده اند. با توسعه پژوهش ها در سال های اخیر، این مقاله بررسی جامعی بر روی جدیدترین کارها در زمینه CBIR را ارایه می کند. علاوه بر این، این مطالعه یک مرور کلی از چارچوب CBIR و بررسی خلاصه ای کوتاه در مورد ویژگی های سطح پایین و زبان شناسی سطح بالا و بهبودهای دست یافته در این زمینه از جمله استخراج ویژگی و شاخص گذاری، یادگیری سیستم، تطابق تشابه، بازخورد مرتبط، ارزیابی عملکرد، موقعیت مکانی و معانی سطح بالا ارایه می کند.

کلیدواژه ها:

شکاف معنایی ، ویژگی های سطح پایین ، زبان شناسی سطح بالا ، CBIR

نویسندگان

احسان ایگدر

دانشجوی کارشناسی ارشد،گروه کامپیوتر، دانشکده فنی و مهندسی، واحد الکترونیک، دانشگاه آزاد اسلامی، تهران، ایران

مرتضی رموزی

استادیار، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد کاشان، کاشان، ایران

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 :
  • Long F. ; Zhang H. and Dagan Feng D. _ ...
  • from low-level features to high-level semantics", :CBIRه 12. X. S. ...
  • Li X. ; Chen S.C. ; M.L. Shyu and Furht ...
  • Einarsson S. H., "Data structures for intermediate search resuls in ...
  • Gevers Th. and Smeulders A.W.M., "Image Search Engines, An Overview, ...
  • Liu, Y., Zhang, D., Lu, G., & Ma, W. Y. ...
  • N. S. Vassilieva, _ 'Content-based image retrieval methods", Programming and ...
  • _ H. Vu, Q. N. Huu, and H. N. T. ...
  • A. Mojsilovic, and B. Rogowitz, "Capturing image semantics with low-level ...
  • Y. Song, W. Wang, and A. Zhang. "Automatic annotation and ...
  • Eakins, J. P., & Graham, M. E. (1999). Content based ...
  • Song, Y., Wang, W., & Zhang, A. (2003). Automatic annotation ...
  • Veltkamp, R. C., & Tanase, M. (2002). Content-based image retrieval ...
  • Y. Liu, D. Zhang, G. Lu, and W.-Y. Ma, _ ...
  • Vassilieva, N. S. (2009). Content-based image retrieval methods. Programming and ...
  • Einarsson S. H ; Gretarsdottir . Y. ; Jonsson B. ...
  • Squire D. ; Muller W. and Muller H., "Relevance feedback ...
  • X. Duanmu, "Image retrieval using color momment invariant", InInformation Technology: ...
  • Z. Yueting, Xiaoming Liu, and Yunhe Pan. "Apply semantic template ...
  • J. Huang, S. R. Kumar, M. Mitra, W.-J. Zhu, and ...
  • J. Huang, S. Ravi Kumar, and M. Mitra, "Combining supervised ...
  • L. Wen, and G. Tan, "Image Retrieval Using Spatial Multi-color ...
  • X. Hongli, X. De and G. Yong, "Region-based image retrieval ...
  • T. Gevers, "Robus Histogram Construction from Color Imvariants, " IEEE ...
  • Veltkamp and Tanase, _ 'Content-Based Image Retrieval Systems: A Survey, ...
  • Li, X., Chen, S. C., Shyu, M. L, & Furht, ...
  • H. Tamura, S. Mori, and T. Yamawaki, "Textural features corresponding ...
  • Materka A. and Strzelecki M. , "Texture Analysis Methods - ...
  • Howarth P. and Ruger S., "Evaluation of Texture Features for ...
  • Arvis V. ; Debain C. _ Berducat M. and Benassi ...
  • Bhagavathy S. ; Tesic J. and Manjunath B. S., "On ...
  • D. Zhang, and G. Lu, "Review of shape representation and ...
  • Upadhyaya, N., & Dixit, M. (2016). A Review: Relating Low ...
  • M. J Egenhofer and R. D. Franzosa, "Point-set topological spatial ...
  • P.Stanchev, D. Green and B. Dimitrov, "High level color similarity ...
  • V. Mezaris, I. Kompatsiaris and M. G. Strintzis, "An ontology ...
  • H.M. Feng and T.-S. Chua, "A bootstrapping approach to annotating ...
  • R. Shi, H. Feng, T.-S. Chua and C.-H. Lee, "An ...
  • L. Zhang, , Fuzong Lin, and Bo Zhang. "Support vector ...
  • S. John R. "Decoding image semantics using composite region templates." ...
  • F.Huamin, Rui Shi, and Tat-Seng Chua. "A bootstrapping framework for ...
  • K.Anuja, and S. A. Ladke. "Content Based Image Retrieval with ...
  • C. Deng, Xiaofei He, Zhiwei Li, Wei-Ying Ma, and Ji-Rong ...
  • Smith J. R. and Chang S., "Tools and Techniques for ...
  • Li, X., Chen, S. C., Shyu, M. L., & Furht, ...
  • Markov, I. Y. (2004). VP-tree: Content-based image indexing. In Procedings ...
  • Chiueh T., _ Content-based image indexing, " in Proceedings of ...
  • Stricker, M. A., & Orengo, M. (1995, March). Similarity of ...
  • نمایش کامل مراجع