بازیابی تصویر مبتنی بر محتوا با استفاده از ماشین بردار پشتیبان و ویژگی‌های هیستوگرام اختلاف بافت

با توجه به پیشرفت دنیای تصاویر دیجیتال و افزایش تعداد آنها، ارائه سیستمی جهت بازیابی تصویر، از اهمیت زیادی برخوردار است. یک سیستم بازیابی تصویر مبتنی بر محتوا باید بر اساس محتوای تصویر جستجو شده توسط کاربر، تصاویر مشابه را بیابد. لذا در این مقاله یک روش جدید به منظور بازیابی تصویر مبتنی بر محتوا ارائه شده است. برای این منظور، با توجه به اهمیت بافت اشیاء در یک تصویر، ویژگی جدیدی تحت عنوان هیستوگرام اختلاف بافت در جهت لبه برابر معرفی شده است. در روش پیشنهادی، ابتدا ویژگی‌هایی شامل ویژگی جدید معرفی شده، از تصاویر آموزشی استخراج شده و سپس تعدادی از این ویژگی‌ها انتخاب می‌شوند. در ادامه، با استفاده از این ویژگی‌ها و کلاس هر تصویر و همچنین روش یادگیری ماشین بردار پشتیبان، تصاویر در کلاس‌های مختلف به سیستم آموزش داده می‌شوند. ارزیابی روش پیشنهادی با استفاده از پایگاه داده استاندارد wang انجام شده است و نتایج به دست آمده، توانایی روش پیشنهادی را در بازیابی تصاویر مبتنی بر محتوا نسبت به روش‌های مشابه نشان می‌دهد.

content-based image retrieval using support vector machine and texture difference histogram features

due to the progress of the digital image world and increasing numbers, preparing a system for image retrieval is essential. a content-based image retrieval system should find similar images to the image searched by a user. in this paper, a novel content-based image retrieval system is proposed. considering the importance of texture in an image, we introduce a new feature as the histogram of the texture difference in the equal edge orientation. then, the expressed features are extracted from training images in the proposed system. then these features are learned using a support vector machine. the proposed system is examined using the standard wang database. the results show the efficiency of the proposed system in retrieving images compared to similar methods.