بازیابی تصاویر محتوا محور به کمک الگوی دودویی محلی میانگین و شکل گسسته توزیع احتمال توام کانالهای رنگ

Abstract

بازیابی، یافتن و استخراج الگوهای تصاویر با استفاده از هوش مصنوعی امروزه یکی از مهم ترین مسائل در حوزه¬ی پردازش تصویر است که دارای کاربردهای بسیار زیادی از جمله صنعت پزشکی می¬باشد. از بازیابی تصویر در پیدا کردن تصاویر مشابه در یک مجموعه داده بسیار بزرگ میتوان کمک گرفت. برای یافتن و استخراج الگوهای داخل تصاویر راه¬های زیادی وجود دارد اما فرایند پیچیده¬ای است. بهره¬گیری از اطلاعات کانال¬های رنگی و همچنین دانش نهفته در بافت تصاویر، دو رویکرد برای استخراج ویژگی از هر تصویر هستند که در پژوهش حاضر از آنها برای استخراج ویژگی¬های موثر و متمایز کننده با هدف استفاده در فرایند بازیابی تصاویر بر پایه محتوا استفاده شده است. در روش ارائه شده برای استخراج ویژگی-های بافت از الگوی دودویی محلی میانگین وبرای تولید ویژگی¬های مربوط به رنگ از شکل گسسته توزیع احتمال توام کانالهای سه¬گانه رنگی استفاده شده است. الگوی دودویی محلی میانگین به نوعی بهبود یافته الگوی دودویی محلی است که همسایگی گسترده¬تری را برای استخراج داده¬های بافت مورد استفاده قرار می¬دهد. همچنین در الگوریتم پیشنهادی برای مقایسه بردارهای ویژگی از فاصله کانبرا توسعه یافته استفاده شده است. روش ارائه شده بر روی مجموعه داده وانگ آزمایش شده و نتایج مربوطه در این خصوص گزارش شده است. همچنین عملکرد روش پیشنهادی در مقایسه با روشهای دیگر مورد بررسی قرار گرفته است.