کاهش شکاف مفهومی در بازیابی تصویر با رویکرد بهبود اثر تلفیق در یادگیری منیفلد

Abstract

بازیابی تصویر مبتنی بر محتوی، به معنای بازیابی تصاویر با استفاده از ویژگی‌های سطح پایین همچون رنگ، بافت و شکل می‌باشد. در این نوع بازیابی، شکاف معنایی به معنای اختلاف در تفسیر تصاویر، بین انسان و الگوریتم کامپیوتری می‌باشد. در این حوزه، نگاشت غیرصحیح ویژگی‌های سطح پایین تصویر به معانی سطح بالا، سبب می‌شود تا شکاف معنایی افزایشیابد. در بازیابی تصویر، چنانچه با تغییر در بافت، رنگ و یا شکل تصویر، از نظر انسان معنای تصویر تغییری نکند، ولی به دلیل تغییر غیر پیوسته در بردار ویژگی‌های سطح پایین تصویر، بازیابی تصاویر مشابه در تمامی‌موارد به درستی انجام نمی‌پذیرد. در این مقاله جهت همسو‌سازی نسبت تغییرات در فضای ویژگی متناسب با فضای معنا، از رویکرد کاهش ابعاد بردارهای ویژگی به صورت غیر خطی استفاده می‌شود. کاهش ابعاد بردارهای ویژگی به صورت غیرخطی که یادگیری منیفلد نیز نامیده می‌شود به معنای جستجوی ساختارهایی با ابعاد کم است که به صورت ذاتی و غیرخطی در مشاهدات با ابعاد بالا وجود دارد. نوآوری اصلی ارائه شده در این مقاله، استخراج یک فضای ویژگی از چند فضای ویژگی می‌باشد که با دو روش ارائه شده، اثر منفی نویز در دقت یادگیری منیفلد کاهش می‌یابد. در ارزیابی دو روش پیشنهادی، از دادگان‌های بخش B از MPEG-7 و Fish استفاده شده است که نتایج تجربی بیان‌گر موثر بودن روش‌های پیشنهادی می‌باشد.