اسماعیل نصراصفهانی - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد اصفهان(خوراسگان)
علیرضا نوروزی - استادیار، دانشگاه آزاد اسلامی واحد شهر مجلسی

با توجه به پیشرفت های حوزه تکنولوژی در ده ه گذشته سامانه های بازیابی تصاویر مبتنی بر محتوا دربسیاری از کاربردها از قبیل پزشکی، تجاری، نظامی و آموزشی به طور قابل توجهی توسعه یافته است. حجم داده های تصویری در پایگاه داده های تصاویر پزشکی به سرعت در حال گسترش است، بنابراین مکانیزم های بازیابی تصاویر کارا و موثر از موارد ضروری چنین سامانه هایی به شمار می روند. در این سامانه ها با استفاده از استخراج ویژگی های اولیه تصویر چون رنگ، بافت و موقعیت مکانی از حجم عظیمی از تصاویر ورودی، اقدام به بدست آوردن الگوهای از پیش تعریف شده می کنند و به سبب آنها تصاویر مرتبط بازیابی خواهد شد. کاربرد روش های بازیابی مبتنی بر محتوای تصاویر در حوزه ی پزشکی از پشتیبانی سامانه های بالینی گرفته تا تحقیقات و آموزش های پزشکی گسترش دارد. روش استفاده شده در این پژوهش مدل کیسه ایی از ویژگی ها می باشد که پس از استخراج ویژگی های تصاویر موجود با استفاده از روش های خوشه بندی اقدام به تولید کلمات بصری نموده است. در این مدل به تصویر به عنوان بسته از ویژگی ها نگاه می شود. خوشه بند های استفاده شده به شدت به تعداد خوشه قبل از اجرای الگوریتم بستگی داشته و ممکن است مراکز خوشه متفاوتی تولید شود. سپس ویژگی های مربوط به تصویر جستجو شده را به این کلمات بصری اختصاص خواهد داد. پس از آن با تشکیل هیستوگرام تصاویر و بررسی میزان مشابهت، تصاویر مشابه در خروجی نمایش داده خواهدشد. ویژگی های تصاویر پایگاه داده با استفاده از توصیف گر SIFT استخراج شده و پس از آن به محاسبه تعداد خوشه های بهینه با شاخص ارزیابی خوشه بندی DSO پرداخته ایم. سپس با الگوریتم فازی FCMکلمات بصری تولید خواهد شد. با انجام آزمایش ها بر روی مجموعه تصاویر پزشکی استانداردهیستوپاتولوژی، استفاده از خوشه بند فازی باعث تولید کلمات بصری بهینه شده و دقت نسبت به تولید کلمات بصری با روش خوشه بندیK-Means افزایش یافته است.

بازیابی تصویر پزشکی، الگوریتم فازیFCM،توصیفگرSIFT،شاخص ارزیابی خوشه