ارايه يك روش بازخورد ربط با رويكرد اصلاح معيار شباهت در يك سيستم بازيابي تصوير مبتني بر جايگزيني فازي تصاوير اشعه x پزشكي با گراف نسبي ويژگي‌دار فازي

A Novel Relevance Feedback Approach Based on Similarity Measure Modification in an X-Ray Image Retrieval System Based on Fuzzy Representation Using Fuzzy Attributed Relational Graph

جهت بهبود عملكرد سيستم‌‌هاي بازيابي تصوير براساس محتوا از روش‌هاي بازخورد ربط1 استفاده مي‌شود. در اين مقاله، يك روش جديد بازخورد ربط با رويكرد اصلاح معيار شباهت در يك سيستم بازيابي تصوير مبتني بر جايگزيني فازي تصاوير اشعه x پزشكي با گراف نسبي ويژگي‌دار فازي2 ارايه شده است. روش بازخورد ربط پيشنهادي با استفاده از ميزان شباهت تصاوير مرتبط و غيرمرتبط با تصوير پرس‌وجو، وزن بهينه‌اي براي هر ويژگي در بردار ويژگي محاسبه مي‌گردد تا در الگوريتم تطبيق فازي گراف به عنوان يك پارامتر تصحيح‌كننده معيار شباهت استفاده گردد. وزن بهينه براي هر ويژگي در بردار ويژگي از روي انحراف معيار ويژگيهاي تصاوير بازيابي شده در راستاي بعد ويژگي در فضاي ويژگي محاسبه مي‌گردد. در سيستم پيشنهادي، از گراف‌هاي نسبي ويژگي‌دار فازي جهت جايگزيني فازي تصوير، از يك الگوريتم تطبيق فازي گراف جهت تعريف معيار شباهت و از يك الگوريتم طبقه‌بندي معنايي مبتني بر نقشه ادغام جهت تعيين فضاي جستجو در پايگاه داده استفاده شده است. جهت ارزيابي روش بازخورد ربط در سيستم پيشنهادي از يك پايگاه داده استاندارد تصاوير اشعه x پزشكي شامل 10000 تصوير در 57 كلاس مختلف استفاده شده است. بهبود پارامترهاي ارزيابي سيستم بازيابي، كارايي و كارآمدي سيستم پيشنهادي را نشان مي‌دهد.

Relevance feedback approaches is used to improve the performance of content-based image retrieval systems. In this paper, a novel relevance feedback approach based on similarity measure modification in an X-ray image retrieval system based on fuzzy representation using fuzzy attributed relational graph (FARG) is presented. In this approach, optimum weight of each feature in feature vector is calculated using similarity rate between query image and relevant and irrelevant images in user feedback. The calculated weight is used to tune fuzzy graph matching algorithm as a modifier parameter in similarity measure. The standard deviation of the retrieved image features is applied to calculate the optimum weight. The proposed image retrieval system uses a FARG for representation of images, a fuzzy matching graph algorithm as similarity measure and a semantic classifier based on merging scheme for determination of the search space in image database. To evaluate relevance feedback approach in the proposed system, a standard X-ray image database consisting of 10000 images in 57 classes is used. The improvement of the evaluation parameters shows proficiency and efficiency of the proposed system.