داود کریمی، کارشناسی ارشد ناپیوسته مهندسی برق – الکترونیک، دکتر مهران عمادی، 1394 .

شماره دانشجویی : 91133003
نام و نام خانوادگی : داود کریمی
عنوان پایان نامه : سیستم بازیابی تصویر مبتنی بر محتوا بر مبنای مرتبط ترین ویژگیهای رنگ و بافت
رشته تحصیلی : مهندسی برق – الکترونیک
مقطع تحصیلی : کارشناسی ارشد ناپیوسته
استاد راهنما : دکتر مهران عمادی
چکیده : پیشرفت در تصاویر دیجیتال باعث پیشرفتهای بسیاری در پردازش تصویر شده است. بازیابی تصاویر یکی از مهمترین شاخه های پردازش تصویر است. بازیابی تصویر به سیستمی اطلاق می شود که در آن با داشتن یک ورودی خاص مانند متن یا تصویر زیرمجموعه ای از تصاویر پایگاه داده بصورت اتوماتیک استخراج شود. در حالت کلی دو سیستم بازیابی تصویر بر مبنای متن و بر مبنای محتوا وجود دارد. سیستم بازیابی تصویر بر مبنای محتوا (CBIR) بازیابی بر اساس ویژگیهای ذاتی تصویر مانند رنگ، بافت، شکل و ممان ها میباشد. سیستم بازیابی تصویر بر مبنای محتوا کاربردهای زیادی نظیر بینایی ماشین، سیستم های اطلاعات جغرافیایی، موتورهای جستجوی تصویر و کاربردهای پزشکی دارد. تاکنون سیستم های زیادی برای بازیابی تصویر بر مبنای محتوا ارایه گردیده است. مشکلات اصلی در سیستم های بازیابی تصویر بر مبنای محتوا شامل انتخاب صحیح ویژگیهای تصویر، همپوشانی کلاس های مختلف تصویر، تصاویر شلوغ و بدون الگوی مشخص و تصاویر متفاوت در یک کلاس می باشد. در این پایان نامه سیستم بازیابی تصویری بر مبنای رنگ و بافت پیشنهاد گردیده است. در این پروژه از پایگاه داده Corel استفاده گردیده که در تحقیقات اخیر بیشترین موارد استفاده را داشته است. در بخش رنگ از روش توصیف کننده ی رنگ غالب (DCD) استفاده شده که کارایی بالایی دارد. در این روش هر تصویر به هشت خوشه تقسیم شده و در هر خوشه تعداد پیکسل های رنگ های اصلی قرمز، سبز و آبی (RGB) استخراج شده و همچنین درصد پیکسل های هر خوشه نیز بدست می آید. با انجام این کار دو ماتریس 3×8 برای تعداد و درصد پیکسل ها برای هر تصویر بدست می آید. در بخش بافت از روش تبدیل های ریاضی استفاده شده است. در این بخش از تبدیل موجک برای استخراج ویژگیهای بافت استفاده می شود. ابتدا با استفاده از یک فیلتر Haar در یک سطح ماتریس های ضرایب تبدیل بدست می آید که ما از سطرهای ماتریس های LL و LH و ستون های ماتریس HL استفاده می کنیم با توجه به 128 سطر و ستون داریم ما با یک بردار شاخص 128×128×3 مواجه هستیم که برای پردازش بسیار بزرگ است. برای کاهش حجم محاسبات از سطرهای ماتریس های LL و LH و ستون های ماتریس HL نرم فربینیوس می گیریم و بردار ما به یک بردار 3×128 کوچک می شود. سپس از هر یک  از بردارهای 128 تایی مجدداً میانگین، انحراف استاندارد و نرم می گوییم و نهایتاً یک بردار 3×3×3 خواهیم داشت که به عنوان ویژگی بافت برای هر تصویر شناخته می شود. در پایان با معیار فاصله اقلیدسی کمترین فاصله بین تصویر پرس و جو و پایگاه داده تصویر محاسبه و تصاویر با بیشترین شباهت بازیابی می گردند. برای ارزیابی این پروژه تصاویر کلاس های مختلف را ابتدا با ویژگی های رنگ و سپس با ویژگی های بافت و نهایتاً با ترکیب هر دو ویژگی تست کردیم. نتایج آزمایشات نشان می دهد که در بعضی کلاس های تصویر ویژگیهای رنگ و در برخی دیگر ویژگیهای بافت نتایج بهتری دارند. با ترکیب مؤثر این دو ویژگی می توان به نتایج بهتری دارند. با ترکیب مؤثر این دو ویژگی می توان به نتایج بازیابی بهتری رسید. مقایسه این سیستم بازیابی تصویر با چند سیستم قبلی نشان داد که این سیستم کارآیی و دقت بالاتری نسبت به این سیستم های بازیابی تصویر نشان می دهد.
کلمات کلیدی : 
تاریخ دفاع : 1394