بازيابي تصوير مبتني بر محتوا با استفاده از تركيب دسته بندها

هدف اصلي اين مقاله ارائه روشي مبتني بر تركيب دسته‌بندها براي بازيابي تصوير مي باشد. در روش پيشنهادي مجموعاً هشت دسته ويژگي شامل ويژگي هاي مبتني بر رنگ و مبتني بر بافت از هر تصوير استخراج مي‌گردد. دسته‌بندهاي استفاده شده براي جستجو و بازيابي تصوير شامل K-نزديك ترين همسايه، شبكه عصبي چندلايه پرسپترون ، ماشين بردار پشتيبان و درخت تصميم مي‌باشد. در روش پيشنهادي با توجه به اين كه هشت دسته ويژگي و چهار روش دسته‌بندي استفاده شده است، مجموعاً 32 دسته‌بند پايه وجود دارد كه به دو روش مختلف نتايج اين دسته‌بندها تركيب شده است. اين دو روش بر مبناي راي اكثريت ساده و راي اكثريت وزن دار مي باشد. آزمايش‌ها براي مقايسه كارايي ويژگي‌ها و دسته‌بندها به صورت مستقل و تركيبي انجام شده است و نتايج نشان مي دهد كه روش تركيب وزن دار دسته‌بندها منجر به دستيابي بهترين نتيجه مي شود كه در اين حالت دقت تصاوير بازيابي شده برابر 77.98 درصد است. همچنين اين روش با چهار روش ديگر مورد مقايسه قرار گرفت كه نتايج آزمايش‌ها نشان داد روش پيشنهادي با اختلاف معناداري بهتر از سيستم هاي ديگر عمل كرده است.