این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
ماشین بینایی و پردازش تصویر، جلد ۸، شماره ۲، صفحات ۷۳-۸۴
عنوان فارسی طبقه‌بندی تصاویر بازیابی شده با استفاده از الگوریتم SIFT و کدگذاری خطی با قید محلی
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله بازیابی تصاویر، الگوریتمTF-IDF، الگوریتم SIFT، کدگذاری خطی با قید محلی، ماشین یادگیر بیشینه،
عنوان انگلیسی Classification of retrieved images based on SIFT and Locality Constrained Linear Coding
چکیده انگلیسی مقاله With the growing Internet and digital imaging tools, the size of the image database is increasing rapidly. Therefore, there is a strong need for tools and methods to search for images in a large database. Feature extraction is the most basic step in creating an image-retrieval systems. This paper presents a new method for image retrieval systems. After extracting the feature and computing descriptors for each category by the SIFT algorithm, then the appropriate descriptors are identified by the TF-IDF algorithm and used clustering to find candidate descriptors for each category. In the next step, the descriptor coefficients of each category were used with regard to the representatives from the previous stage by the local coding algorithm as the attribute. Finally we used Extreme Learning Machine (ELM) for classification. Experimental results show that the accuracy achieved in proposed method on the Caltech-101 database is about 98.5% and in Flowers data set is about 97.9%.
کلیدواژه‌های انگلیسی مقاله بازیابی تصاویر, الگوریتمTF-IDF, الگوریتم SIFT, کدگذاری خطی با قید محلی, ماشین یادگیر بیشینه
نویسندگان مقاله محسن جابری |
کارشناس ارشد مهندسی برق، دانش آموخته دانشگاه سمنان

فرزین یغمایی |
دانشکده برق و کامپیوتر، دانشگاه سمنان

نشانی اینترنتی https://jmvip.sinaweb.net/article_120264_c5e563f6f9480aeb708998935254621e.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات