روشي براي بازخورد ربط براساس بهبود تابع شباهت در بازيابي تصوير بر اساس محتوا

A relevance feedback approach based on similarity refinement in content based image retrieval

در سامانه‌هاي بازيابي تصوير بر اساس محتوا، ويژگي هاي ديداري تصاوير پايگاه استخراج‌شده و پايگاه ويژگي هاي ديداري براي يافتن نزديك ترين تصاوير به تصوير پرس و جو، جستجو مي‌شود. كاربر با سامانه تا رسيدن به هدف نهايي خود تعامل كرده و سامانه از اطّلاعات كاربر و ابزار بازخورد ربط به‌منظور بالابردن كارايي بازيابي استفاده مي كند. در اين تحقيق، هر تصوير با يك بردار ويژگي شامل سه نوع ويژگي و مجموع 270 مولّفه نمايه مي شود. براي اندازه گيري شباهت بين دو تصوير از يك معيار وزن‌دار استفاده شده كه در آن براي هر نوع و هر مولّفه ويژگي يك وزن درنظرگرفته شده است. اين وزن ها در طول بازيابي با استفاده از اطّلاعات كاربر و روش پيشنهادي بهبود مي‌يابند. در اين روش، وزن هر نوع ويژگي با توجه به رتبه تصاوير مرتبط در بازيابي بر اساس آن نوع ويژگي تنظيم و براي تصحيح وزن هر مولّفه ويژگي از ميانگين و انحراف معيار آن مولّفه روي تصاوير مرتبط و نامرتبط استفاده مي شود. روش پيشنهادي روي يك پايگاه تصوير شامل ده‌هزار تصوير از 82 گروه معنايي متفاوت آزموده شده است. نتايج آزمايش ها، برتري روش پيشنهادي به روش هاي موجود را نشان مي دهد.

In content based image retrieval systems, the suitable visual features are extracted from images and stored in the feature database Then the feature database are searched to find the most similar images to the query image. In this paper, three types of visual features by 270 components were used for image indexing. Here, we use a weighted distance for similarity measurement between two images. This paper presents a new relevance feedback approach based on similarity refinement. In the proposed approach, weight correction of feature’s components is done by a proposed rule set using the mean and standard deviation of feature vectors of related (positive) and non-related (negative) images. Also, the weight of each type of features is adjusted according to the related images’ rank in the retrieval with this type of feature. 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 by well-known conventional methods.