دسته بندی و بازیابی تصویر با استفاده از بهینه سازی شبکه عصبی با کوپلاژ پالسی

بازیابی تصویرمبتنی بر محتوا ) CBIR ( یک ابزار قدرتمند است که در بسیاری از برنامه های تصویری و موتورهای جستجو استفاده می شود این روش به جای متن توصیفی روی ویژگی های بصری تصویر کاری می کند در نتیجه بازیابی موثرتر و کارآمدتری را فراهم می کند. از طرف دیگر راندمان PCNN بهعنوان یک ابزار دانش تصویر برای کارهای مختلف )مانند تقسیم بندی و شناسایی تصویر، استخراج ویژگی، لبه و تشخیص شیء( ثابت شده است. این مقاله یکروش برای طبقه بندی و بازیابی تصویرمبتنی برمحتوا با استفاده از PCNN معرفی می کند. روش پیشنهادی از PCNN برای استخراج ویژگی های بصریتصویر در یک فرم بردار عددی که امضاء تصویر نامیده می شود استفاده می کند. همچنین مکانیزمی برای بهینه سازی پارامترهای PCNN به منظور بهبود کیفیت امضاء استفاده شده که باعث بهتر شدن نتایج دسته بندی گردید. الگوریتم K-NN فازی نیز برای طبقه بندی و تطبیق به کار گرفته شده است. با اینکار )طبقه بندی قبل از بازیابی( تعداد تصاویر در فضای جستجو بهینه شده، که شامل یک دسته بجای دسته های متعدد است. علاوه بر این در این مقاله یک نمونه اولیه CBIR برای اعتبار بخشیدن به بازیابی معرفی شده است

کلیدواژه ها:

امضاء تصویر ، بازیابی تصویر مبتنی بر محتوا ، دسته بندی تصویر ، شبکه عصبی با کوپلاژ پالسی ، k -نزدیکترین همسایه فازی