ترجمه مقاله بازیابی تصویر مبتنی بر منطقه با استفاده از DCT سازگار با شکل – سال 2015
مشخصات مقاله:
عنوان فارسی مقاله:
بازیابی تصویر مبتنی بر منطقه با استفاده از DCT سازگار با شکل
عنوان انگلیسی مقاله:
Region-based image retrieval using shape-adaptive DCT
کلمات کلیدی مقاله:
بازیابی تصویر مبتنی بر محتوا. قطعه سازی DCT. بازیابی تصویر مبتنی بر منطقه (RBIR). بازیابی تصویر معنایی. SA-DCT
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر و فناوری اطلاعات
مناسب برای گرایش های دانشگاهی زیر:
سیستم های چند رسانه ای، مهندسی نرم افزار و اینترنت و شبکه های گسترده
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1.مقدمه
2. بازیابی تصویر مبتنی بر محتوا با استفاده از تبدیل DCT و هیستوگرام الگوهای آن
2.1 الگوی AC و هیستوگرام آن
2.2 الگوی DC و هیستوگرام آن
2.3 توصیف گر خصیصه و سنجش شباهت
3. حکم مسئله ای و کارهای مربوطه
3.1 روش مبتنی بر برون یابی
3.3 بازیابی تصویر مبتنی بر منطقه با استفاده از DCT سازگار با شکل
3.3 قطعه سازی تصویر
3.4 تبدیل سازگار با شکل
4.نتایج آزمایشی
4.1 پایگاه های داده های آزمایشی
4.2 ارزیابی عملکرد
4.3 نتایج با پایگاه های داده 1000- Corel و 256 Caltech
4.4 نتایج با پایگاه داده صورت GTF
4.5 ارزیابی نیرومندی
4.6 هزینه محاسباتی
5.نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1 Introduction
Widespread use of digital imaging devices in various areas of application has resulted in large volumes of images acquired and stored on computers. Effective and efficient retrieval of images stored in such large databases has become desirable. Comparing to the conventional retrieval using descriptive keywords, content-based image retrieval (CBIR) offers a way of retrieving images according to their visual content [1]. After two decades of research, it is acknowledged that the performance of CBIR systems is mainly limited by the gap between low-level features and high-level semantic concepts [2]. Unlike early CBIR approaches, which compute global features of images, the region-based image retrieval (RBIR) extract features of the segmented regions [3] and perform similarity comparisons at the granularity of the region [4]. The CBIR systems often used global features to represent the content of an image [5–8]
1.مقدمه
استفاده وسیع از دستگاه های تصویربرداری دیجیتالی در نواحی مختلف کاربرد، منجر به این شده است که حجم وسیعی از تصاویر به دست اید و روی کامپیوترها ذخیره گردد.بازیابی موثر و کارامد تصاویر ذخیره شده در چنین پایگاه های داده ی وسیعی ،مطلوب بوده است.در مقایسه با بازیابی متداول، با استفاده از کلید واژه های وصفی، بازیابی تصویر مبتنی بر محتوا (CBIR) یک راه بازیافت تصاویر را طبق محتوای بصری شان ،ارائه میدهد.پس از دو دهه تحقیق ،تایید میشود ،عملکرد سیستم های CBIR ،در اصل با شکاف بین خصوصیات در سطح پایین و مفاهیم معنایی در سطح بالا محدود میشوند.بر خلاف رویکردهای CBIR اولیه، که خصوصیات سراسری تصاویر را محاسبه میکنند، بازیابی تصویر مبتنی بر منطقه (RBIR) خصوصیات مناطق بخش بندی شده را استخراج میکند و مقایسه های شباهت را در دانه دانه بودن منطقه انجام میدهد.سیستم های CBIR اغلب از خصوصیات سراسری برای نشان دادن محتوای یک تصویر استفاده میکردند.
