مقایسه و تاثیر انواع مختلف خانواده تبدیل موجک روی دسته بندی تصاویررنگی در یک پایگاه تصویر

طبقه بندی تصاویر از نظر معنایی توسط ویژگیهای سطح پایین در یک پایگاه داده بزرگ یکی از مسائل چالش برانگیز محققان میباشد به طوریکه تا حال یک سیستم جامع که بتواند یک پایگاه تصاویر بزرگ را دسته بندی کند معرفی نشده است. از این رو در این مقاله ما یک سیستم دسته بندی در یک مقیاس کوچکتر برای نیل به آن هدف را ارائه میدهیم. در مرحله اول ویژگیهای تصویر توسط ضرایب تبدیل موجک 1 استخراج میشود. این کار توسط چهار خانواده مختلف تبدیل موجک انجام میشود. در مرحله دوم برای دسته بندی ویژگیها از یک شبکه عصبی MLP استفاده میکنیم. پایگاه تصاویرمان از 600 تصویر 6 کلاسه تشکیل شده که نصف تصاویر برای آموزش شبکه بکار میرود و کل تصاویر تست میگردند. نتایج بدست آمده از انواع تبدیل موجک نشان میدهد که نوع موجک استفاده شده تاثیر به سزایی روی نتایج کارمان دارد و بهترین نوع موجک برای پایگاه تصویر biorthogonal میباشد که نتیجه 90 % را بدست آورده است

کلیدواژه ها:

دسته بندی بانک تصاویر ، خانواده های تبدیل موجک ، شناسایی الگو ، شبکه عصبی چند لایه پرسپترون