بررسی کارایی روش های مختلف خوشه بندی سلسله مراتبی در بازیابی تصویر به شیوه چند پرسشی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,263

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSICC16_037

تاریخ نمایه سازی: 28 بهمن 1390

چکیده مقاله:

بازیابی تصویر براساس محتوا CBIR شامل مجموعه ای از روشها برای پردازش ویژگیهای دیداری یک تصویر پرس و جو به منظور پیدا کردن تصاویر مشابه آن دریک پایگاه تصویر است دربازیابی تصویر بردار پرس و جو در فضای جستج بو نحوی که از تصاویر نامرتبط دور و به تصاویر مرتبط نزدیک شود حرکت می کند در روشهای چند پرسشی ابتدا بردار پرس و جو به چند بردار تبدیل شده سپس در فضای جستجو حرکت می کند برای این منظور تصاویر مرتبط خوشه بندی شده و مرکز هر خوشه به عنوان یک پرس و جوی جدید در نظر گرفته می شود دراین تحقیق روشهای مختلف خوشه بندی سلسله مراتبی در بازیابی تصویر به شیوه چند پرسشی با هم مقایسه شده اند درالگوریتم خوشه بندی سلسله مراتبی برای ترکیب دو خوشه باید میزان شباهت بین آن دو خوشه را محاسبه کرد روشهای متفاوت اندازه گیری شباهت بین دو خوشه منجر به الگوریتمهای مختلفی شده است که دراین تحقیق کارایی آنها دربازیابی تصویر به شیوه چند پرسشی روی یک پایگاه تصویر شامل 10000 تصویر از 82 گروه معنایی با هم مقایسه شده است نتایج آزمایشها برتری روش WPGMC را نشان میدهد

نویسندگان

اسما شمسی گوشکی

کارشناس ارشد،بخش مهندسی برق،دانشگاه شهید باهنر کرمان

حسین نظام آبادی پور

دانشیار،بخش مهندسی برق،دانشگاه شهید باهنر کرمان،کرمان

سعید سریزدی

دانشیار،بخش مهندسی برق،دانشگاه شهید باهنر کرمان،کرمان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • شمسی گوشکی. اسما، بازیابی تصاویر رنگی بر پایه محتوا با ...
  • دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، 17 تا 19 ...
  • دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، 17 تا 19 ...
  • based image retrieval with high-level semantics, " Pattern Recognition, 40, ...
  • Ideas, influences, and trends of the new Age " ACM ...
  • image retrieval using visually significant point feature s' , , ...
  • retrieval based on the spatial organization of colors", Computer Vision ...
  • S.W. Teng, and G.Lu, "Image indexing and retrieval based On ...
  • T-C. Lu, C-C. Chang, "Color image retrieval technique Processing and ...
  • T. Lena, P. Zuccarello, G.Ayalaa, E. deVesb, J. feedback in ...
  • P.C.Cheng, B.C.Chien, H.R.Ke, W.P.Yang, " A two-level relevance feedback mechanism ...
  • _ _ u _ _ on Multimedia and Expo, vol. ...
  • K. Porkaew, K. Chakrabarti and S. Mehrotra, "Query refinement for ...
  • D.H. Kim, C.W. Chung and K. Barnard, :Relevance retrieval", The ...
  • feedback using adaptive clustering for image similarity [2] Y.Liu, D.Zhang, ...
  • J.Urban and J.M. Jose, " Evidence Combination for Multi- [3] ...
  • Point Query Learning in Content-Based Image Retrieval", Proceedings of the ...
  • H. Nezamab adi-pour and E. Kabir، "Image retrieval using [4] ...
  • histograms of unicolor and bicolor blocks and directionl changes in ...
  • M.R. Anderberg, "Cluster Analysis for Applications", [5] T. Hurtut, Y, ...
  • S. Theodoridis and K. Koutroumbas, Pattern Recognition, Academic Press, ISBN:0-21- ...
  • GN. Lance, W.T. Williams "A general theory of classificatory sorting ...
  • S. Salvador and P. Chan. "Determining the number of c ...
  • P. Clough, M. Grubinger, A. Hanbury, and H. Mulle. "Overview ...
  • J.Winn, A. Criminisi, and T. Minka "Object categorization by learned ...
  • J.Z.Wang, J .Li , G.Wiederhold, "SIMPLIcity: semantics- sensitive integrated matching ...
  • _ .S.Manjunath, et _ "Introduction to MPEG-7, " Wiley, New ...
  • D.K.Park, Y.S.Jeon and C.S.Won, "Efficient use of local edge histogram ...
  • نمایش کامل مراجع