Loading...

The effect of a two steps searching mechanism Using Feature Vectors Related to Image Class in Improving the Performance of CBIR System

Sherafati, Shima | 2016

2387 Viewed
  1. Type of Document: M.Sc. Thesis
  2. Language: Farsi
  3. Document No: 49403 (19)
  4. University: Sharif University of Technology
  5. Department: Computer Engineering
  6. Advisor(s): Jamzad, Mansoor; Manzuri Shalmani, Mohammad Taghi
  7. Abstract:
  8. Nowadays, retrieval is an inseparable part of user activities and due to growing usage of Content-Based Image Retrieval (CBIR), it has become a hot and challenging research topic specially in the past decade. The most important challenge that retrieval systems (including CBIR systems) are facing is the semantic gap between abstractions in the user’s mind and what is searched. One of the ways of dealing with this challenge is getting more information from the user about what he needs and so decreasing the distance between user’s will and what he gives to search engine as the description of his need. In this research, the class of query image is supposed to be given. For using this information, we propose a preprocess for rescaling feature space based on query’s class and an optimization method for setting the values of its parameters. Then, we run a classic Content-Based Image Retrieval approach on data in rescaled space for finding similar pictures to query image. Evaluations show that our proposed method gives 146% increase in the F measure on Corel5K dataset. In addition, we propose a method for reducing the dimensionality of feature vector while considering the optimization of proposed preprocess. The experimental result show that with the same accuracy as the ordinary retrieval, our method can reach 95% sparsity in weight matrices and so we can reduce the dimensionality of feature space to 5% on average
  9. Keywords:
  10. Semantic Gap ; Dimensionality Reduction ; Feature Vector ; Content Based Retrieval ; Image Retrieval ; Images Classification ; Term Weighting

 Digital Object List

 Bookmark

  • فهرست شکل‌ها
  • فهرست جدول‌ها
  • مقدمه
    • تعریف مسئله
    • اهمیت و کاربردها
    • چالش‌ها
    • ساختار پایان‌نامه
  • مبانی نظری و پیشینه پژوهش
    • انواع روش‌های بازیابی
      • بازیابی متن‌‌محور تصاویر
      • بازیابی محتوامحور تصاویر
      • بازیابی معنامحور تصاویر
    • ویژگی‌های مرسوم در بازیابی تصاویر
      • ویژگی رنگ
      • ویژگی بافت
      • ویژگی شکل
      • ویژگی موقعیت مکانی
      • ویژگی‌های محلی تصویر
    • بررسی کارهای مرتبط
      • سامانه‌های متن‌محور
      • سامانه‌های محتوامحور
      • سامانه‌های معنامحور
    • جمع‌بندی
  • روش پیشنهادی
    • فرایند دو مرحله‌ای
      • مرحله‌ی تعیین اهمیت عناصر بردار ویژگی
      • مرحله‌ی بازیابی
    • روش وزن‌دهی عناصر بردار ویژگی
      • معیار شباهت
      • نحوه‌ی تعیین خروجی
      • تابع هدف
      • یافتن بردار وزن بهینه
    • روش انتخاب عناصر بردار ویژگی
      • کاهش تعداد عناصر انتخابی
      • توجیه درستی روش
    • روش یافتن بردار آستانه‌ی بهینه
    • جمع‌بندی
  • ارزیابی
    • مجموعه داده‌ها‌
    • روش مورد مقایسه
    • معیارهای ارزیابی
    • تحلیل نتایج
      • ارزیابی همگرایی روش بهینه‌سازی
      • ارزیابی جامعیت روش بهینه‌سازی
      • ارزیابی کارایی وزن‌دهی عناصر بر اساس دسته
      • ارزیابی توانایی روش ارائه‌شده در تنک کردن وزن‌ها
      • ارزیابی روش ارائه‌شده برای یافتن بردار آستانه‌ی بهینه
    • جمع بندی
  • جمع‌بندی و کارهای آتی
    • جمع‌بندی
    • کارهای آتی
      • احتمالاتی در نظر گرفتن دسته‌های مربوط به تصاویر
      • در نظر گرفتن مجموعه برچسب برای هر تصویر به جای دسته
  • مراجع
  • واژه‌نامه انگلیسی به فارسی
  • واژه‌نامه فارسی به انگلیسی
...see more