طبقه ‌بندی تصاویر بازیابی شده با استفاده از الگوریتم sift و کدگذاری خطی با قید محلی

با رشد روز افزون اینترنت و ابزارهای تصویربرداری دیجیتال، اندازه پایگاه داده تصاویر به سرعت در حال بزرگتر شدن است. در چنین شرایطی، نیاز شدیدی به ابزارها و روش‌های کارا برای جستجوی تصاویر دلخواه در پایگاه ­داده­های بزرگ به وجود آمده است، استخراج ویژگی اساسی­ ترین قدم در ایجاد یک سامانه بازیابی تصاویر براساس محتواست و نقش بسیار تعیین کننده­ای در دقت سامانه بازیابی دارد. در این مقاله روشی جدید جهت طبقه­ بندی تصاویر بازیابی شده براساس محتوا ارائه شد. پس از استخراج ویژگی و محاسبه توصیفگرهای مربوط به هر دسته توسط الگوریتم sift، الگوریتمtf-idf توصیفگرهای مناسب را مشخص کرده و از خوشه­ بندی جهت یافتن توصیفگرهای کاندیدای هر دسته استفاده می­ کند. در مرحله بعد از ضرایب بازنمایی توصیفگرهای هر دسته با توجه به نماینده ­های تولید شده از مرحله قبل توسط الگوریتم کدگذاری خطی با قید محلی به عنوان ویژگی استفاده شده است. در نهایت از این ویژگی‌های تولید شده برای طبقه ­بندی تصاویر بازیابی شده استفاده می­ شود. دسته‌بندی که برای ارزیابی سیستم پیشنهادی مورد استفاده قرار گرفته، ماشین یادگیر بیشینه می‌باشد. دقت به دست آمده در این دسته‌بند بر روی پایگاه داده caltech-101، 98/5 درصد و بر روی پایگاه داده17-flowers، 97/90 درصد می باشد.