ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
Content-based image retrieval (CBIR) is the process of searching digital images in a large database based on features, such as color, texture and shape of a given query image. As many images are compressed by transforms, constructing the feature vector directly in transform domain is a very popular topic. Therefore, features can be extracted directly from images in compressed format by using, for example, discrete cosine transform (DCT) for JPEG compressed images. Also, region-based image retrieval (RBIR) has attracted great interest in recent years. This paper proposes a new RBIR approach using shape-adaptive discrete cosine transform (SA-DCT). In this retrieval system, an image has a prior segmentation alpha plane, which is defined exactly as in MPEG-4. Therefore, an image is represented by segmented regions, each of which is associated with a feature vector derived from DCT and SA-DCT coefficients. Users can select any region as the main theme of the query image. The similarity between a query image and any database image is ranked according to a same similarity measure computed from the selected regions between two images. For those images without distinctive objects and scenes, users can still select the whole image as the query condition. The experimental results show that the proposed approach is able to identify main objects and reduce the influence of background in the image, and thus improve the performance of image retrieval in comparison with a conventional CBIR based on DCT.
بازیابی تصویر مبتنی بر محتوا (CBIR) ،فرایند جستجوی تصاویر دیجیتالی در یک پایگاه داده ی بزرگ مبتنی بر خصوصیات است همانند رنگ، بافت و شکل یک تصویر جستجو (پرس و جو).همانطور که تصاویر زیادی با تغییر شکلها فشرده میشوند، ساخت بردار خصیصه به طور مستقیم در حوزه ی تغییر شکل ،یک موضوع بسیار رایج است.بنابراین، خصوصیات ممکن است به طور مستقیم از تصاویر موجود در فرمت فشرده استخراج شوند ،برای نمونه با استفاده از تبدیل کسینوس گسسته (DCT) برای تصاویر فشرده ی JPEG هم چنین بازیابی تصویر مبتنی بر منطقه (RBIR) توجه زیادی را در سالهای اخیر به خود جلب نموده است.این مقاله ،یک رویکرد RBIR را با استفاده از تبدیل کسینوس گسسته سازگار با شکل (SA-DCT) ارائه میدهد.در این سیستم بازیابی، یک تصویر دارای یک صفحه ی آلفای قطعه سازی قبلی است، که دقیقا به صورت MPEG-4 تعریف میشود.بدین ترتیب، یک تصویر با مناطق قطعه سازی شده نشان داده میشود، هر یک از آنها به یک بردار خصیصه مشتق شده از ضرایب DCT و SA-DCT وابسته است.کاربران میتوانند هر منطقه ای را به عنوان تم اصلی تصویر جستجو انتخاب کنند.شباهت بین یک تصویر جستجو و هر تصویر پایگاه داده ای، طبق یک سنجش شباهت یکسان رتبه بندی میشود که از مناطق انتخاب شده بین دو تصویر محاسبه میگردد.برای این تصاویر بدون اشیا و مناظر ممتاز و مشخص، کاربران میتوانند هم چنان کل تصویر را به صورت شرایط جستجو برگزینند.نتایج آزمایشی نشان میدهد، رویکرد پیشنهاد شده میتواند اشیای اصلی را شناسایی نماید و اثر زمینه را در تصویر کاهش دهد و بنابراین کارایی بازیابی تصویر را در مقایسه با یک CBIR متداول مبتنی بر DCT بهبود بخشد.