دسته بندی و بازیابی تصویر با استفاده از بهینه سازی شبکه عصبی با کوپلاژ پالسی

بازیابی تصویرمبتنی بر محتوا) CBIR ( یک ابزار قدرتمند است که در بسیاری از برنامه های تصویری وموتورهای جستجو استفاده می شود این روش به جای متن توصیفی روی ویژگی های بصری تصویر کاری می کند در نتیجه بازیابی موثرتر و کارآمدتری را فراهم میکند. از طرف دیگر راندمان PCNN بهعنوان یک ابزار دانش تصویر برای کارهای مختلف مانند : ) تقسیم بندی و شناسایی تصویر، استخراج ویژگی، لبه و تشخیص شیء ( ثابت شده است. این مقاله یک روش برای طبقه بندی و بازیابی تصویرمبتنی برمحتوا با استفاده از PCNN معرفی میکند. روش پیشنهادی از PCNN برای استخراجویژگی های بصری تصویر در یک فرم بردار عددی که امضاء تصویر نامیده می شود استفاده می کند. همچنین مکانیزمی برای بهینه سازی پارامترهای PCNN به منظور بهبود کیفیت امضاء استفاده شده که باعث بهتر شدن نتایج دسته بندی گردید. الگوریتم ماشین بردار پشتیبان نیز برای طبقه بندی و تطبیق به کار گرفته شده است. با اینکار ) طبقه بندی قبل از بازیابی ( تعداد تصاویر در فضای جستجو بهینه شده، که شامل یک دسته بجای دسته های متعدد است. علاوه بر این در این مقاله یک نمونه اولیه CBIR برای اعتبار بخشیدن به بازیابی معرفی شده است.

کلیدواژه ها:

بازیابی تصویر ، شبکه عصبی با کوپلاژپالسی ، امضاء تصویر ، ماشین بردار پشتیبان