ارائه یک روش بازخورد ربط با رویکرد اصلاح معیار شباهت در یک سیستم بازیابی تصویر مبتنی بر جایگزینی فازی تصاویر اشعه x پزشکی با گراف نسبی ویژگی‌دار فازی
محورهای موضوعی : انرژی های تجدیدپذیر
حسین پورقاسم
1
(استادیار/دانشگاه آزاد اسلامی واحد نجف آباد)
حسن قاسمیان
2
(استادیار/دانشگاه تربیت مدرس تهران)
کلید واژه: بازخورد ربط, سیستم بازیابی تصویر براساس محتوا, گراف نسبی ویژگی‌دار فازی, معیار شباهت,
چکیده مقاله :
جهت بهبود عملکرد سیستم‌‌های بازیابی تصویر براساس محتوا از روش‌های بازخورد ربط1 استفاده می‌شود. در این مقاله، یک روش جدید بازخورد ربط با رویکرد اصلاح معیار شباهت در یک سیستم بازیابی تصویر مبتنی بر جایگزینی فازی تصاویر اشعه x پزشکی با گراف نسبی ویژگی‌دار فازی2 ارائه شده است. روش بازخورد ربط پیشنهادی با استفاده از میزان شباهت تصاویر مرتبط و غیرمرتبط با تصویر پرس‌وجو، وزن بهینه‌ای برای هر ویژگی در بردار ویژگی محاسبه می‌گردد تا در الگوریتم تطبیق فازی گراف به عنوان یک پارامتر تصحیح‌کنندة معیار شباهت استفاده گردد. وزن بهینه برای هر ویژگی در بردار ویژگی از روی انحراف معیار ویژگیهای تصاویر بازیابی شده در راستای بعد ویژگی در فضای ویژگی محاسبه می‌گردد. در سیستم پیشنهادی، از گراف‌های نسبی ویژگی‌دار فازی جهت جایگزینی فازی تصویر، از یک الگوریتم تطبیق فازی گراف جهت تعریف معیار شباهت و از یک الگوریتم طبقه‌بندی معنایی مبتنی بر نقشه ادغام جهت تعیین فضای جستجو در پایگاه داده استفاده شده است. جهت ارزیابی روش بازخورد ربط در سیستم پیشنهادی از یک پایگاه داده استاندارد تصاویر اشعه x پزشکی شامل 10000 تصویر در 57 کلاس مختلف استفاده شده است. بهبود پارامترهای ارزیابی سیستم بازیابی، کارایی و کارآمدی سیستم پیشنهادی را نشان می‌دهد.
Relevance feedback approaches is used to improve the performance of content-based image retrieval systems. In this paper, a novel relevance feedback approach based on similarity measure modification in an X-ray image retrieval system based on fuzzy representation using fuzzy attributed relational graph (FARG) is presented. In this approach, optimum weight of each feature in feature vector is calculated using similarity rate between query image and relevant and irrelevant images in user feedback. The calculated weight is used to tune fuzzy graph matching algorithm as a modifier parameter in similarity measure. The standard deviation of the retrieved image features is applied to calculate the optimum weight. The proposed image retrieval system uses a FARG for representation of images, a fuzzy matching graph algorithm as similarity measure and a semantic classifier based on merging scheme for determination of the search space in image database. To evaluate relevance feedback approach in the proposed system, a standard X-ray image database consisting of 10000 images in 57 classes is used. The improvement of the evaluation parameters shows proficiency and efficiency of the proposed system.
_||_
