1
کارشناس ارشد مهندسی برق، دانش آموخته دانشگاه سمنان
2
دانشکده برق و کامپیوتر، دانشگاه سمنان
چکیده
با رشد روز افزون اینترنت و ابزارهای تصویربرداری دیجیتال، اندازه پایگاه داده تصاویر به سرعت در حال بزرگتر شدن است. در چنین شرایطی، نیاز شدیدی به ابزارها و روشهای کارا برای جستجوی تصاویر دلخواه در پایگاه دادههای بزرگ به وجود آمده است، استخراج ویژگی اساسی ترین قدم در ایجاد یک سامانه بازیابی تصاویر براساس محتواست و نقش بسیار تعیین کنندهای در دقت سامانه بازیابی دارد. در این مقاله روشی جدید جهت طبقه بندی تصاویر بازیابی شده براساس محتوا ارائه شد. پس از استخراج ویژگی و محاسبه توصیفگرهای مربوط به هر دسته توسط الگوریتم SIFT، الگوریتمTF-IDF توصیفگرهای مناسب را مشخص کرده و از خوشه بندی جهت یافتن توصیفگرهای کاندیدای هر دسته استفاده می کند. در مرحله بعد از ضرایب بازنمایی توصیفگرهای هر دسته با توجه به نماینده های تولید شده از مرحله قبل توسط الگوریتم کدگذاری خطی با قید محلی به عنوان ویژگی استفاده شده است. در نهایت از این ویژگیهای تولید شده برای طبقه بندی تصاویر بازیابی شده استفاده می شود. دستهبندی که برای ارزیابی سیستم پیشنهادی مورد استفاده قرار گرفته، ماشین یادگیر بیشینه میباشد. دقت به دست آمده در این دستهبند بر روی پایگاه داده Caltech-101، 5/98 درصد و بر روی پایگاه داده17-Flowers، 90/97 درصد می باشد.
جابری, محسن, & یغمایی, فرزین. (1400). طبقهبندی تصاویر بازیابی شده با استفاده از الگوریتم SIFT و کدگذاری خطی با قید محلی. مجله بینایی ماشین و پردازش تصویر, 8(2), 73-84.
MLA
محسن جابری; فرزین یغمایی. "طبقهبندی تصاویر بازیابی شده با استفاده از الگوریتم SIFT و کدگذاری خطی با قید محلی". مجله بینایی ماشین و پردازش تصویر, 8, 2, 1400, 73-84.
HARVARD
جابری, محسن, یغمایی, فرزین. (1400). 'طبقهبندی تصاویر بازیابی شده با استفاده از الگوریتم SIFT و کدگذاری خطی با قید محلی', مجله بینایی ماشین و پردازش تصویر, 8(2), pp. 73-84.
VANCOUVER
جابری, محسن, یغمایی, فرزین. طبقهبندی تصاویر بازیابی شده با استفاده از الگوریتم SIFT و کدگذاری خطی با قید محلی. مجله بینایی ماشین و پردازش تصویر, 1400; 8(2): 73-84.