دسته : پروژه کاردانی, پروژه کارشناسی, پروژه کامپیوتر, پروژه کامپیوتر
لینک دانلود بعد از اضافه کردن پروژه به سبد خرید و پرداخت آن در اختیارتان قرار خواهد گرفت.
توضیحات
سیستمهای بازیابی تصویر مبتنی بر محتوا در کاربردهای عام
ترجمه و تهیه شده توسط تیم دفتر فنی گرین
چکیده
امروزه مجموعه های حجیم تصاویر دیجیتال در زمینه های متنوع نظیر تجاری، دولتی، علمی و پزشکی موجود است. این مجموعه ها به منظور جستجو عموما بر اساس متنی الصاق شده به تصاویر اندیس گذاری میشوند. برای بهبود جستجو روش هایی ابداع شده اند که قادرند تصاویر را بر اساس محتوای دیداری آنها اندیس گذاری کنند. در این پروژه سعی بر آن است تا دیدی کلی نسبت به این سیستمها و ساختار شکل دهنده آنها ارائه دهد.ما روشی را برای بازیابی تصویر ارائه می دهیم که هیچ دانش صریحی درباره ظاهر تصاویر در پایگاه داده ندارد، به این معنا که محتویات آن آزاد است و هنوز می تواند تصاویر مرتبط را بازیابی کند. یک الگوریتم فیلترینگ مشترک استفاده می شود تا پیش بینی هایی را درباره اولویت‌های تصویر کاربر جاری بر اساس اولویت‌های شناخته شده جاری و اولویت‌های گذشته کاربر ایجاد کند.
مقدمه
الگوریتم های بازیابی تصویر بر اساس ویژگی های محلی توسط یک درخت واژگان و ویژگی های جامع آن توسط کد های فشرده شده و تلفیقی نشان داده شده که هر دو آنها دارای مقیاس پذیری عالی هستند. با این حال، بازیابی دقیق آنها ممکن است به طور چشمگیری در میان پرس وجوها متفاوت باشد. به این ترتیب این تحقیق انگیزه ای است برای چگونگی ترکیب مجموعه بازیابی دستور داده شده با روش های بازیابی متعدد، که در نهایت به افزایش دقت بازیابی منجر شود . بنابراین، ما یک پرس و جو به روش همجوشی خاص مبتنی بر گراف که در آن چند مجموعه بازیابی با هم ادغام ورتبه بندی شده و دوباره با انجام تجزیه و تحلیل ارتباط در یک نمودار ترکیبی پیشنهاد می کنیم.
مروری بر سیستمهای بازیابی تصویر مبتنی بر محتوا در کاربردهای عام
۱-۱-مقدمه
سیستمهای فوق الذکر با مشکلا تی مواجه بودند : نخست اینکه حاشیه نویسی تصاویر مستلزم وقت و هزینه بسیار و نیز به میزان زیادی به درک اپراتور از تصویر وابسته بود. دوم، از آنجا که مفاهیم موجود در یک تصویر از دید کاربران متفاوت یکسان نیست بنابراین حاشیه های الصاق شده به تصاویر تمامی حیطه پرس وجو را نمی پوشاندند؛ و این به این معنا است که پرس وجوهای مبتنی بر متن به میزان کافی کامل و گویا نیستند. در ابتدای دهه ٩٠ ، با افزایش حجم تصاویر موجود در پایگاههای داده نظیر شبکه جهانی اینترنت و برای غلبه بر مشکلات سیستم های مبتنی بر متن، توسعه سیستم های بازیابی تصویر مبتنی بر محتوا یا به اختصار CBIR پیشنهاد شد که وظیفه استخراج تصاویر به صورت اتوماتیک و با استفاده از مفاهیم دیداری نظیر رنگ، بافت و طرح بندی تصویر را بر عهده داشت [۲, ۱] . سیستم های اولیه از این رده، برای بازیابی تصویر از کاربر درخواست می کرد که یک یا چند ویژگی دیداری را انتخاب و محدوده ای برای مقدار آنها تعیین کند، سپس عمل بازیابی بر اساس این اطلاعات صورت می گرفت. در سیستم های پیشرفته تر، کاربر قادر بود تا درجه اهمیت ویژگی های انتخاب شده را تعیین کند.
بازیابی تصویر بر اساس محتوای آزاد
بازیابی تصویر بر اساس محتوای رنگ تصویر و گراف دوبخشی
نمایش و تطبیق وترکیب خاص برای بازیابی تصویر
ما در اینجا در مورد مسائل اجرا و محدودیت ها بحث می کنیم: ۱) برای نمایش داده شد خاص، ممکن است نه ویژگی های محلی و نه جامع قادر به پیدا کردن منتخب مربوطه نباشند، در نتیجه هیچ همسایه متقابل و نه هر نموداری را نمی توان یافت و یا ساخت. در چنین مواردی، ما فقط به دلخواه نتایج بازیابی داده شده توسط VOC و یا از ویژگی های جامع مبتنی بر بازیابی بدون هیچ گونه رتبه بندی را انتخاب می کنیم. ۲) به عنوان اطلاعات نزدیک ترین همسایه مورد نیاز است و درج دینامیکی و حذف تصاویر پایگاه داده نیاز به مراقبت دارد. یک راه حل ممکن این است که همیشه مجموعه ای بزرگ از تصاویر به عنوان نماینده روابط حفظ شود ، که ما آن را برای کار در آینده موکول کنیم. ما یک نمودار مبتنی بر نمایش تلفیقی خاص از بازیابی مجموعه ها بر اساس ویژگی های محلی و جامع، که در آن کیفیت بازیابی آنلاین توسط سازگاری از محله های تصاویر منتخب اندازه گیری شده ارائه کردیم. رویکرد ما به هیچ نظارتی نیاز ندارد، حفظ بازده محاسباتی بازیابی مبتنی بر درخت واژگان، و در همان زمان، بطور قابل توجهی آن را بهبود می بخشد و دقت تصویر بازیابی در ۴ مجموعه داده های عمومی متنوع است. علاوه بر این، این روش تلفیقی را می توان به راحتی توسط دیگر محققان تکثیر و ممکن است به عنوان یک پلاگین در در سیستم های بازیابی تصویر عملی بکار گیرند. این گواهی بیشتر تحقیق تلفیقی از نشانه های متعدد برای بازیابی تصویر است.