بهبود بازیابی تصاویر رنگی با استفاده از رنگ، بافت و شکل در روش کیسه کلمات بصری مبتنی بر امضاء

تولید و ذخیره‌سازی تصاویر به صورت دیجیتالی باعث بوجود آمدن سیستم‌های بازیابی تصویر، با قابلیت بازیابی تصاویر با استفاده از محتوای بصری آن‌ها گردید. در بین سیستم‌های بازیابی تصویر مبتنی بر متن و یا محتوا، روش‌های مبتنی بر محتوا عملکرد جامع‌تر و بهتری دارند. اما یکی از نکاتی که در موفقیت این سیستم‌ها تاثیر بسزایی دارد ویژگی‌های مستخرج از تصاویر است. به این معنی که اگر ویژگی‌های مناسب و کاملی از تصاویر استخراج نشود، دقت این روش‌ها در بازیابی کاهش می‌یابد. یکی از روش‌هایی که اخیرا در حوزه بازیابی مبتنی بر محتوا بسیار مورد توجه محققین قرار گرفته است، تکنیک کیف کلمات بصری مبتنی بر امضاء است که بدون استفاده از روش‌های خوشه‌بندی ویژگی‌ها را کوانتیزه می‌کند. با وجود اینکه برتری این روش نسبت به روش کیف کلمات در مقالات اخیر گزارش شده است، اما برای رسیدن به نتایج مناسب، تصاویر را به بلوک‌های بسیار کوچکی تقسیم می‌کند تا به این صورت بتواند با تکیه بر ویژگی‌های محلی، به کلمات مشابهی در تصاویر مختلف دست یابد. به بیان دیگر، در تکنیک کیف کلمات بصری مبتنی بر امضاء ویژگی‌های سراسری نادیده گرفته می‌شود و بنابراین این روش برای هر نوع تصویری مناسب نیست و در بسیاری از پایگاه داده‌ها عملکرد ضعیفی دارد. از اینرو در این مقاله در جهت بهبود دقت بازیابی تصاویر از ترکیب سه ویژگی سراسری گابور، هیستوگرام جهت لبه و هیستوگرام گرادیان جهت‌دار با دو ویژگی محلی رنگ و بافت سراسری غالب به صورت کیف کلمات بصری مبتنی بر امضا استفاده شده است، تا به این صورت بتوان دانش کافی از محتوای تصاویر استخراج نمود و در نتیجه دقت بازیابی را بهبود داد. نتایج ارزیابی بر روی دو پایگاه داده wang و oxford حاکی از آن است که مدل پیشنهادی در مقایسه با روش پیشین در معیار دقت بهبود داشته است.