مدلی به‌منظور بازیابی تصاویر مبتنی بر چند درخواست

جستجوی مبتنی بر تصویر در پایگاه‌داده‌های تصویری، یکی از موضوعات کاربردی در بینایی ماشین می‌باشد. جستجو بر اساس یک یا چند درخواست تصویری با محتویات یکسان در چند دهه گذشته بسیار مرسوم بوده اما بازیابی با تکیه بر چند درخواست تصویری با محتویات متفاوت چندان موردتوجه نبوده و تحقیقات چندانی در این زمینه انجام نگرفته است. در این مقاله برای بازیابی تصویر مبتنی بر چند درخواست متفاوت یک چارچوب جدید مبتنی بر ترکیب محتوای تصاویر پیشنهاد شده و برپایه این روش، چندین عملگر جدید جستجو معرفی شده است. روش پیشنهادی شامل چهار مرحله است: در مرحله اول برای هر یک از درخواست‌های تصویری صادر شده یک بازیابی بر مبنای ویژگی‌های سطح پایین انجام می‌شود و از نتایج این بازیابی یک بردار باینری متناظر با مولفه‌های تصویر به‌صورت خودکار به‌دست می‌آید. این بردار متناظر با نواحی و اشیاء برجسته درون تصویر است. سپس بردارهای هر درخواست تصویری با یک عملگر منطقی ترکیب و یک بردار جدید حاصل می‌شود. در مرحله سوم و چهارم به‌ترتیب عملیات بازیابی و نمایش نتایج بر اساس همین بردار جدید انجام می‌گردد. از ویژگی‌های برجسته این شیوه ارائه یک روش کارا برای ترکیب تصاویر به‌منظور انجام بازیابی بر اساس چند درخواست تصویری با محتویات متفاوت بوده که کاهش محاسبات پیچیده و زمان‌گیر و پیاده‌سازی آسان عملگرهای جستجو را فراهم می‌نماید. این عملگرها مبتنی بر تئوری مجموعه‌ها و در قالب عملگرهای منطقی پیشنهاد و پیاده‌سازی شده‌اند. نتایج به‌دست‌آمده از آزمایش‌های تجربی کارایی روش پیشنهادی را اثبات می‌کند. در مقایسه با روش‌های پیشین مقدار کارایی 27% افزایش داشته است.

A Model to Image Retrieval Based on MultipleQuery

Imagebased search is one of the most applied issues in computer vision. In the past decades, content based image retrieval (CBIR) systems using one query or multiple queries with the same semantic information were well investigated. In contrast, the CBIR systems based on multiple queries with different semantics have rarely considered in the literature. This article presents a novel framework in order to combine the content of multiple queries for image retrieval. The proposed framework introduces several new search operators. The proposed approach comprises four stages: in the first stage, for each issued query, a retrieval process based on lowlevel features is applied and according to the results, a binary component vector is automatically computed for each issued query. This vector corresponds to regions and salient objects inside the query image. The vectors are then combined by logical operators to generate one binary component vector. In the third and fourth stages, retrieving and showing results are performed based on the binary component vector, respectively. The remarkable advantages of the proposed method are to efficiently combine different images for retrieval purposes; also it decreases complicated and timeconsuming computations as well as simplifying the implementation of several search operators. The operators correspond to the set theory and known logical operators. The experimental results distinctly exhibit the effectiveness of the proposed method. In comparison to the previous methods, it improves 27% of the performance achievement.