استفاده از ماشین بردار پشتیبان در طبقه‌بندی طرح‌های قالی لچک ترنج و هندسی ترکمن

طرح یکی از مهم‌ترین جنبه‌های مهم ارزیابی قالی ایرانی به شمار می آید. در حالی که قالی‌های ایرانی در طرح های مختلفی بافته می‌شوند، نقش‌های منحصر به فرد این اثر هنری، آن را از سایر سبک های قالی به عنوان مثال قالی های ترکیه، هند و چین متمایز می کند. در این تحقیق طبقه بندی دو دسته متمایز قالی ایرانی (لچک ترنج و هندسی ترکمن) به کمک ماشین بردار پشتیبان (svm)  و براساس استخراج شاخص فوریه صورت گرفت. در این خصوص، تصاویر خاکستری 60 قالی با طرح مختلف جمع‌آوری شد. با استفاده از تبدیل فوریه شاخص‌های تفکیک کننده این دو دسته قالی استخراج و برای طبقه‌بندی استفاده شد. به این منظور، از ماشین بردار پشتیبان دو کلاسه استفاده گردید. مطابق نتایج به دست آمده، روش طبقه‌بندی svm با به‌کارگیری شاخص فوریه در حالت قطبی قادر به طبقه‌بندی این دو دسته قالی با دقت بالای 89 درصد می‌باشد.

The Use of Support Vector Machine in The Classification of Lachack Toranj and Torkaman Geometric Rug Designs

Design is one of the most critical aspects of evaluating Persian rugs. While Persian rugs are woven in different designs, their unique patterns distinguish them from other rug styles such as Turkish, Indian and Chinese. In this study, the classification of two categories of Persian rugs (Lachak Toranj and Torkaman Geometric) was followed using Support Vector Machine (SVM) and based on Fourier feature. In this regard, the grayscale images of 60 rugs with different designs were collected. Using the Fourier transform, the unique feature of these two rugs’ categories were extracted and used for classification. For this purpose, a twoclass support vector machine was used. According to the results, the SVM classification method can classify these two categories of rugs with an accuracy of 89% by using the polar Fourier feature.