بازیابی تصاویر بر اساس محتوا با استفاده از ترکیب روشهای pca و lda

امروزه، تصاویر دیجیتال کاربرد گسترده‌ای در تشخیص بیماری‌ها، چهره، اثر انگشت، امنیت سیستم‌ها و حوزه‌های دیگر پیدا کرده‌اند. از این رو، ارائه الگوریتمی دقیق در جستجو و بازیابی تصاویر از اهمیت بالایی برخوردار است. در این مقاله با استفاده از ترکیب روش‌هایpca وlda برای بازیابی تصاویر ارائه شده است. در این روش ابتدا تصاویر رنگی موجود در فضای rgb به فضای hsv منتقل، سپس ویژگی‌های رنگ، شکل و بافت از مولفه “v” فضای رنگ hsv استخراج می‌شوند. در ادامه بردار ویژگی پیشنهادی با استفاده از هیستوگرامldp ، هیستوگرام رنگ، هیستوگرام tamura و ماتریس رخداد مشترک ساخته می‌شود. در ادامه با ترکیب دو روش pca وlda کاهش ویژگی انجام و در نهایت طبقه‌بندی صورت می‌پذیرد. برای بررسی روش پیشنهادی چهار سناریو طراحی و ارزیابی صورت پذیرفت. با توجه به آزمایشات صورت گرفته و ارزیابی انجام شده، دقت بدست آمده 97.6 حاصل گردید که حاکی از عملکرد مناسب روش پیشنهادی در مقایسه با کارهای مشابه می‌باشد.

content-based image retrieval using combining pca and lda methods

nowadays, digital images are widely used in the diagnosis of disease, facial and fingerprint, security systems, and more. therefore, providing an accurate algorithm in image recognition and retrieval is very important. this paper presents a combination of pca and lda methods for image retrieval. in this method, first, the color images in the rgb space are transferred to the hsv space, then the color, shape, and texture properties are extracted from the &v& component of the hsv color space. the proposed feature vector is then constructed using the ldp histogram, color histogram, tamura histogram, and common event matrix. then, by combining the two methods of pca and lda, the specificity is reduced and finally, the classification is done. four scenarios were designed and evaluated to evaluate the proposed method. according to experimental result and evaluation criteria, the accuracy obtained was 97.6 which indicates the proper performance of the proposed method compared to similar tasks.