اين اختيار صفحه ي اصلي را همانند اول خواهد كرد ، تمام ابزارك ها و تنظيمات به حالت اول باز خواهند گشت.

ريست

مقاله بازیابی تصویر مبتنی بر محتوا با استفاده از اطلاعات بافت و رنگ و کاربرد بازیابی تصاویر در پزشکی

مقاله بازیابی تصویر مبتنی بر محتوا با استفاده از اطلاعات بافت و رنگ و کاربرد بازیابی تصاویر در پزشکی

 

چکیده به همراه ترجمه انگلیسی :

Feature extraction and representation is one of the most important issues in the contentbased image retrieval. In this paper, we propose a new content-based image retrieval technique using color and texture information, which achieves higher retrieval efficiency. Firstly, the image is transformed from RGB space to opponent chromaticity space, and the characteristics of the color contents of an image is captured by using Zernike chromaticity distribution moments from the chromaticity space. Secondly, the texture features are extracted using a rotation-invariant and scale-invariant image descriptor in Contourlet domain, which offers an efficient and flexible approximation of early processing in the human visual system. Finally, the combination of the color and texture information provides a robust feature set for color image retrieval. Experimental results show that the proposed color image retrieval is more accurate and efficient in retrieving the user-interested images.

چکیده :استخراج خصیصه و نمایش آن یکی از مهمترین مسایل در بازیابی تصویر مبتنی بر محتوا می باشد. در این مقاله ، یک تکنیک جدید بازیابی تصویر مبتنی بر محتوا را با استفاده از اطلاعات بافت و رنگ پیشنهاد می کنیم که بازدهی بازیابی تصویر آن بالاست.ابتدا ، تصویر از فضای RGB به فضای رنگ پذیری( کروماتیسیته) متضاد منتقل می شود و خصوصیات محتویات رنگ یک تصویر با استفاده از ممان های توزیع رنگ پذیری Zernike از فضای کروماتیسیته بدست می آید . سپس ، با استفاده از یک توصیف گر تصویر مقیاس ثابت و چرخش ثابت در دامنه Contourlet ،خصیصه های بافت استخراج می شود که تقریب موثر و انعطاف پذیری از پردازش اولیه در سیستم بصری انسان ارائه می کند. نهایتا، ترکیب اطلاعات بافت و رنگ ،یک مجموعه خصیصه نیرومندبرای بازیابی تصویر ارائه می کند. نتایج آزمایشات نشان می دهد که تکنیک پیشنهادی بازیابی تصاویر مورد نظر کاربر را با درستی و بازدهی بالاتری بازیابی می کند.

 

فهرست

بازیابی تصاویر : کاربرد در پزشکی1
چکیده:2
واژه های کلیدی:3
مقدمه4
بازیابی تصاویر : بازیابی مبتنی بر متن و محتوا5
8
اجرای مرحله دوم به یک زیرسیستم برای پردازش تصویر پرس و جو و استخراج ویژگی های سطح پایین آن نیاز است.9
ویژگی های بصری مورد استفاده در سیستم بازیابی براساس محتوا9
1 . بازیابی براساس ویژگی رنگ9
2. بازیابی براساس ویژگی طرح بندی رنگ10
3. بازیابی براساس ویژگی بافت10
4. بازیابی براساس ویژگی شکل11
اما جستجو از طریق ابزارهای موجود بر روی وب(یعنی موارد اول تا سوم) با چالشها و مشکلاتی همراه است که عمده ترین آنها عبارتند از:12
مشکل شکاف معنایی درست نشده است( و شاید هرگز درست نخواهد شد …) اما جایگزین هایی وجود دارد که در زیر می آیند:13
شکل 2 : تجسم بازیابی تصویر از دید الف. کاربر و ب. سیستم14
شکل 1- 2 بازیابی تصویر را از دید یک کاربر و سیستم بخوبی نشان می دهد.14
14
معرفی چند نمونه از سیستم های بازیابی تصویر14
1.سیستم QBIC15
2. سیستم Virage15
3. سیستم imagSeek15
4. سیستم Photobook16
5. سیستم BlobWorld16
6. سیستم GIFT17
بازیابی تصاویر پزشکی19
سیستم های بازیابی محتوا محور تصاویر پزشکی در برابر سیستم های بازیابی مبتنی بر متن تصاویر پزشکی19
نمونه هایی از سیستم های بازیابی تصاویر پزشکی20
بحث و نتیجه گیری22
منابع25

برای خرید و دانلود فایل ترجمه همراه با متن اصلی روی لینک زیر کلیک کنید