روشي جديد در بازخورد ربط براي بازيابي تصوير بر اساس محتوا به شيوه چند پرسشي

A New Multi-query Relevance Feedback Approach in Content Based Image Retrieval

چكيده: در اين تحقيق، روشي براي بازخورد ربط به شيوه چند پرسشي در بازيابي تصوير بر اساس محتوا ارايه شده است. در اين روش به منظور تبديل بردار پرس و جو به چند بردار، تصاوير مرتبط با استفاده از ابزار خوشه بندي سلسله مراتبي خوشه بندي شده و مركز هر خوشه به عنوان يك پرس و جوي جديد در نظر گرفته مي شود. سپس بردارهاي پرس و جو در فضاي ويژگي براي نزديك شدن به تصاوير مرتبط حركت مي كنند. بر خلاف روش هاي چند پرسشي موجود، اين روش بر روي تك تك ويژگي ها اعمال شده و نتايج بازيابي حاصل از تمام ويژگي ها براي توليد نتايج نهايي بازيابي تركيب مي شوند. روش پيشنهادي روي يك پايگاه تصوير شامل 10000 تصوير از 82 گروه معنايي متفاوت آزموده شده است. نتايج آزمايش ها برتري روش پيشنهادي به روش هاي موجود را نشان مي دهد.

Abstract: In this paper, a new multi-query relevance feedback approach is proposed for content based image retrieval. To realize the multi-point queries, a hierarchical clustering method is applied on the related (positive) images and the clusters’ representative (here center) are selected as new queries vectors. Then, these queries vectors are moved in the feature spaces towards related images. In contrast with other existing multi-query relevance feedback methods, the proposed method acts separately on each feature space and the output results are combined to perform the final result. To evaluate the performance of the proposed method, a set of comparative experiments on a general image database containing 10000 images of 82 different semantic groups are performed. The results confirm the efficiency of the proposed method comparing to well-known conventional methods.