بازیابی تصاویر مبتنی بر محتوا با استفاده از مدل تولیدی سه سطحی تکستون

با گسترش سریع فناوری های کامپیوتر، اطلاعات دیجیتال، توجه زیادی برای بیشتر از دو دهه به خود جلب کردند. دیجیتالی کردن تصاویر به دلیل مزایایی که در بیشتر حوزه ها دارد، مشهور شده است. تعداد تصاویر در پایگاه های داده روزبه روز در حال رشد بوده و برچسب زنی و دسته بندی آن ها برای انسان ها وقت گیراست. سامانه ایده آل بازیابی تصویر مبتنی بر محتوا از دیدگاه کاربر دربرگیرنده چیزی است که به آن بازیابی معنایی می گویند. در این مقاله از ویژگی سطح پایین همچون بافت در سامانه های بازیابی تصویر مبتنی بر محتوا استفاده می کند. سه سطح از مدل تصویر تولیدی(ساختار هندسی، ساکن و نورپردازی) برای آموزش تکستون با بافت تصویر ارائه شده است که یک تصویر مانند شکل کلی از تعداد پایگاه های تصویر از تمامی دیکشنری های کامل شامل اندازه گیری و جهت گیری گابورهای مختلف و لاپلاسین توابع گاوسی در موقعیت های مختلف است. این تصاویر به نوبت، با یک تعداد(عدد) کوچک تر از عناصر تکستون تولیدشده، به واسطه یک دیکشنری از تکستون جداشده، مبنا قرار داده می شوند. در این مقاله، یک سری از مدل های تولیدی و آزمایش ها برای آموزش ساختارهای تصویر اصلی با تصاویر بافت ارائه می شود. نتایج در سه دیکشنری Π,Ξ,Ω برای تکستون ها، moton ها و lightone ها به طور قابل ملاحظه ای بیان می شود که خصوصیات هندسی، ساکن، نورپردازی از ساختارهای اصلی مشخص می کند. این مفهوم ها به عنوان پارامترهای مدل های تصویر تولیدی تعریف می شوند و بنابراین می توانند با مدل مناسب آموزش داده شوند.

کلیدواژه ها:

بازیابی تصویر مبتنی بر محتوا ، دیکشنری تکستون ، مدل تولیدی .