مدلي به‌منظور بازيابي تصاوير مبتني بر چند درخواست

A Model to Image Retrieval Based on Multiple-Query

جستجوي مبتني بر تصوير در پايگاه‌داده‌هاي تصويري، يكي از موضوعات كاربردي در بينايي ماشين مي‌باشد. جستجو بر اساس يك يا چند درخواست تصويري با محتويات يكسان در چند دهه گذشته بسيار مرسوم بوده اما بازيابي با تكيه بر چند درخواست تصويري با محتويات متفاوت چندان موردتوجه نبوده و تحقيقات چنداني در اين زمينه انجام نگرفته است. در اين مقاله براي بازيابي تصوير مبتني بر چند درخواست متفاوت يك چارچوب جديد مبتني بر تركيب محتواي تصاوير پيشنهاد شده و برپايه اين روش، چندين عملگر جديد جستجو معرفي شده است. روش پيشنهادي شامل چهار مرحله است: در مرحله اول براي هر يك از درخواست‌هاي تصويري صادر شده يك بازيابي بر مبناي ويژگي‌هاي سطح پايين انجام مي‌شود و از نتايج اين بازيابي يك بردار باينري متناظر با مؤلفه‌هاي تصوير به‌صورت خودكار به‌دست مي‌آيد. اين بردار متناظر با نواحي و اشياء برجسته درون تصوير است. سپس بردارهاي هر درخواست تصويري با يك عملگر منطقي تركيب و يك بردار جديد حاصل مي‌شود. در مرحله سوم و چهارم به‌ترتيب عمليات بازيابي و نمايش نتايج بر اساس همين بردار جديد انجام مي‌گردد. از ويژگي‌هاي برجسته اين شيوه ارائه يك روش كارا براي تركيب تصاوير به‌منظور انجام بازيابي بر اساس چند درخواست تصويري با محتويات متفاوت بوده كه كاهش محاسبات پيچيده و زمان‌گير و پياده‌سازي آسان عملگرهاي جستجو را فراهم مي‌نمايد. اين عملگرها مبتني بر تئوري مجموعه‌ها و در قالب عملگرهاي منطقي پيشنهاد و پياده‌سازي شده‌اند. نتايج به‌دست‌آمده از آزمايش‌هاي تجربي كارايي روش پيشنهادي را اثبات مي‌كند. در مقايسه با روش‌هاي پيشين مقدار كارايي 27% افزايش داشته است.

Image-based search is one of the most applied issues in computer vision. In the past decades, content based image retrieval (CBIR) systems using one query or multiple queries with the same semantic information were well investigated. In contrast, the CBIR systems based on multiple queries with different semantics have rarely considered in the literature. This article presents a novel framework in order to combine the content of multiple queries for image retrieval. The proposed framework introduces several new search operators. The proposed approach comprises four stages: in the first stage, for each issued query, a retrieval process based on low-level features is applied and according to the results, a binary component vector is automatically computed for each issued query. This vector corresponds to regions and salient objects inside the query image. The vectors are then combined by logical operators to generate one binary component vector. In the third and fourth stages, retrieving and showing results are performed based on the binary component vector, respectively. The remarkable advantages of the proposed method are to efficiently combine different images for retrieval purposes; also it decreases complicated and time-consuming computations as well as simplifying the implementation of several search operators. The operators correspond to the set theory and known logical operators. The experimental results distinctly exhibit the effectiveness of the proposed method. In comparison to the previous methods, it improves 27% of the performance achievement.