بازیابی تصویر بر اساس مشخصه های لبه، رنگ و بردار وزنی فازی

در سالهای اخیر، هیستوگرامهای رنگی فازی به طور موثر در سیستمهای بازیابی تصویر براساس محتواCBIR) مورد استفاده قرار گرفته اند.اما این روشها، تنها توزیع کلی مشخصه رنگ در تصویر را نمایش داده و هیچگونه اطلاعات مکانی مانند موقعیت نسبی اشیا را در بر نمی گیرند بنابراین تکنیکهای قدرتمندی برای بازیابی تصاویر، با آرایش مکانی پیچیده را فراهم نمی آورند. از آنجائیکه پیکسل های لبه ای اشیاء موجود در یک تصویر را بخوبی مشخص می نمایند ما از الگوریتم لبه یاب فازی رقابتی که به صورت موثر پیکسلهای تصویر را به داخل 5 کلاس شامل 4 کلاس لبه ای در جهات مختلف و یک کلاس پس زمینه دسته بندی می کند، استفاده می نمائیم. بعد از دسته بندی پیکسلها ، علاوه بر اطلاعات رنگ و موقعیت مکانی، ما بردار وزنی فازی را برای تعیین میزان اهمیت هر کلاس ارائه نموده ایم تا با استفاده از آن در کنار مشخصه های دیگر به صورت هر چه موثرترمیزان مشابهت بین تصاویر تعیین و دقت فرآیند بازیابی افزایش یابد. ما روش پیشنهادیمان را با روشهای، هیستوگرام رنگی فازی و روش ترکیبی، آنتروپی فازی همسایگی با مشخصه رنگ – مکان مقایسه نموده ایم بطوریکه نتایج آزمایشات حاکی از کارایی بالای روش پیشنهادی در بازیابی تصاویر از پایگاه داده ایCOREL با 5000 تصویر دارد.

Keywords:

بردار وزنی فازی , لبه یاب فازی رقابتی , معیار مشابهت فازی