افزايش دقت سامانه‌هاي بازيابي تصوير به‌كمك تطبيق ويژگي‌هاي رنگ و بافت با استفاده از الگوريتم جستجوي گرانشي

Improving the precision of CBIR systems by color and texture feature adaptation using GSA

در اين مقاله، براي افزايش كارايي سامانه بازيابي تصوير، استخراج ويژگي‌هاي ديداري بصورت وفقي با استفاده از الگوريتم جستجوي گرانشي انجام مي‌شود. در سامانه پياده‌سازي شده، براي استخراج ويژگي‌هاي بافت از تبديل موجك با موجك مادر پارامتري و براي استخراج ويژگي رنگ از هيستوگرام پارامتري رنگ HSV استفاده شده است. پارامترهاي موجك مادر در ويژگي بافت و سطوح چندي‌سازي در ويژگي رنگ با استفاده از الگوريتم جستجوي گرانشي جهت افزايش دقت بازيابي تطبيق داده شده است. روش پيشنهادي در يك پايگاه تصوير با 1000 تصوير آزموده شده است. نتايج بهبود دقت بازيابي را نشان مي‌دهد.

Content-based image retrieval, CBIR, is an interesting problem of pattern recognition. This paper is devoted to the presentation an approach to reduce the semantic gap between low level visual features and high level semantics by parameter adaptation in feature extraction sub-block. In the proposed method, GSA is used. In texture feature extraction, the parameters of a 6-tap parametrized orthogonal mother wavelet and in color feature extraction, the quantization levels are adapted to reach maximum precision of the image retrieval system. Experimental results and comparison with the conventional CBIR system are reported on a database of 1000 images. Results confirm the efficiency of the proposed adapted image retrieval system.