بازیابی تصویر مبتنی بر محتوا با استفاده از هیستوگرام رنگ

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 828

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:

SPIS02_038

تاریخ نمایه سازی: 10 تیر 1396

چکیده مقاله:

در این مقاله، روشی جدید جهت بازیابی تصویر مبتنی بر محتوا ارایه می شود. در این روش از ترکیب ویژگی های هیستوگرام اختلاف رنگ یکنواخت ادراکی و ویژگی های هیستوگرام رنگ HSV، استفاده می شود. جهت ایجاد ویژگی های رنگ و لبه موثر از تصاویر، ویژگی های هیستوگرام اختلاف رنگ یکنواخت و ویژگی های هیستوگرام رنگ HSV، باهم ترکیب می شوند. با استفاده از آنتروپی هر ویژگی و همبستگی بین بردارهای ویژگی، تعداد ویژگی های هیستوگرام اختلاف رنگ یکنواخت، با افزایش نرخ بازیابی، به 44 ویژگی کاهش مییابد. جهت افزایش بیشتر نرخ بازیابی، هیستوگرام رنگ HSV پیشنهاد می شود. با توجه خاصیت یکنواختی ادراکی فضای رنگی HSV، ویژگی ها در این فضا به درک انسان نزدیک تر است. هر کانال S ،H و V به ترتیب به 18، 3 و 3 مقدار گسسته سازی شده و فراوانی این مقادیر در تصویر به عنوان ویژگی، محاسبه می شوند. مزیت مهم روش پیشنهادی نسبت به روش های اخیر، بهبود روش هیستوگرام اختلاف رنگ یکنواخت اداراکی و افزایش نرخ بازیابی با افزودن ویژگی جدید به آن است. در این مقاله، از پایگاه داده استاندارد. Corel استفاده شده و نرخ بازیابی الگوریتم پیشنهادی، 22 و 62 درصد است که نسبت به روش های اخیر حدود 3 درصد افزایش دارد.

کلیدواژه ها:

نویسندگان

حامد غضنفری

دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود،شاهرود

حمید حسن پور

استاد، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی شاهرود، شاهرود

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 :
  • مبتنی بر محتوا با استفاده از ترکیب ویژگی رنگ و ...
  • حیاتی سعید، سریزدی سعید، نامآبادی‌پور حسین، "جداسازی تصویر به مولفه‌های ...
  • Zarchi, Mohsen Sardari, Amirhasan Monadjemi, and Kamal Jamshid, ...
  • Carneiro, Gustavo, et al. "Supervised learning of semantic classes for ...
  • Yang, Wen, Xiaoshuang Yi, and Gui-Song Xia. "Learning high-level features ...
  • Heller, Katherine A, and Zoubin Ghahramani. "A simple Bayesian framework ...
  • Bose, Smarajit, et al. "A Hybrid Approach for Improved Content- ...
  • Long, Jonathan, Evan Shellhamer, and Trevor Darrel! "Fully convolutiont networks ...
  • Meng, Xin, et al. "Similar image retrieval only using one ...
  • Xu, Yeong-Yuh. "Muu Itiple-instuance learning based decision retrie val ...
  • classification." Neuroc omputing 171 (2016): 826-836. ...
  • Girija, O. K., ad M. Sudheep Elayidom. "Overviev of Image ...
  • Zarchi, Mohsen Sardari, Amirhasan Monadjemi, and Kamal Jamshidi. "A semuntic ...
  • Jenni, Kommineni, Satria Mandala, and Mohd Shahrizal Suma. ...
  • Chatzichristofis, Savvas A., and Yianns S. Boutalis. "Fcth: Fuzzy color ...
  • Neelima, Nizampatnam, and E. Sreenivasa Redd, "An Efficient Multi Object ...
  • Singha, Manimala, and K. Hemachandra. "Content based imuage _ _ ...
  • Qian, Xueming, et al. "Enhancing Sketch-B، sed Image Retrie val ...
  • Liu, Guang-Hai, and Jing-Yu Yang. "Content-based imuage retrievual ...
  • Recogition 46.1 (2013): 188-198. ...
  • Journal 2.4 (2013): 89-95. ...
  • نمایش کامل مراجع