فایل ورد کامل یک سیستم هوشمند بازیابی تصویر مبنی بر محتوا بر اساس ویژگی رنگ و بافت

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل یک سیستم هوشمند بازیابی تصویر مبنی بر محتوا بر اساس ویژگی رنگ و بافت،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۵ صفحه

۶ نتیجه گیری

در این مقاله، سه خصیصه تصویر به نامهای CCM، DBPSP و CHKM برای مشخص سازی تصویر رنگی برای بازیابی تصویر ارائه شده است. CCM و DBPSP می تواند به طور موثری توزیع بافت را توصیف کند و CHKM خصیصه های رنگ پیکسهای با رنگهای مشابه در یک تصویر را توصیف می کند. CHKM با جابجایی و چرخش تصویر مورد تاثیر قرار نمی گیرد و همچنین در مقابل تغییرات مرتبط به نویز مقاومت می کند. چون این خصیصه ها می تواند خصوصیات مختلف تصویر را توصیف کند، این مقاله سه خصیصه را جمع کرده تا سیستم CTCHIRS را به وجود آورد. علاوه بر این، این مطالعه، از انتخاب پی در پی رو به جلو SFS برای انتخاب خصیصه های با قابلیت تمیز دادن بالاتر برای بازیابی تصویر و غلبه بر مشکل خصیصه های بیش از حد استفاده کرده است.

نتایج آزمایش نشان می دهد که در بیشتر موارد، سیستم پیشنهادی می تواند به طور قابل توجهی بهتر از روشهای هوانگ و جوانور عمل کند. به علاوه با استفاده از انتخاب خصیصه، محاسب بازیابی تصویر از هر نوع پایگاه داد تصویر می تواند بسیار کم شود. در نتیجه سرعت بازیابی می تواند افزایش پیدا کند. برای پایگاه داده های خاص کارایی تشخیص نیز می تواند افزایش یابد.

سیستم پیشنهادی بازیابی تصویر یک نرخ بالای تشخیص هنگامی که به پایگاه داده  های گوناگون به کار می رود دارد. ولی چند خصیصه تصویر لازم است تا به نرخ بالای تشخیص دست یابیم. با استفاده از انتخاب خصیصه، تعداد خصیصه های مورد نیاز بسیار کاهش یافته و هنوز نرخ تشخیص بالاتری می تواند به دست آید.

عنوان انگلیسی:A smart content-based image retrieval system based on color and texture feature~~en~~

۶ Conclusions

In this paper, three image features, namely CCM, DBPSP, and CHKM, are presented to characterize a color image for image retrieval. CCM and DBPSP can effectively describe texture distribution, while CHKM can describe color features of the pixels with similar colors in an image. CHKM is not affected by image displacement and rotation and also able to resist noise-induced variations. Since these features can describe different properties of an image, this paper integrates the three features to develop the CTCHIRS system. Besides, this study further uses sequential forward selection (SFS) to select features with better discriminability for image retrieval and overcome the problem of excessive features. The experimental results indicate that, in most cases, the proposed system can significantly outperform Huang’s and Jhanwar’s methods. Moreover, through feature selection, computation of image retrieval from any type of image databases can be effectively reduced. As a result, the retrieval speed can be increased. For specific image databases, the detection efficiency can also be enhanced. The proposed image retrieval system has a high detection rate when applied to various image databases. However, multiple image features are required to achieve a high detection rate. Through feature selection, the number of features required has been significantly reduced, and a high detection rate can still be obtained.

$$en!!