چکیده:
استخراج ویژگی تصاویر یکی از عملیات مهـم در پردازش تصویر است که در مقایسه تصاویر بر اساس محتوا مورد استفاده قرار می گیرد. ویژگیهای متعددی بـرای مقایـسه محتـوایی تـصاویر بـر اساس رنگ گزارش شده است که میتوان بـه هیـستوگرام رنـگ، رنـگ غالب و بردار وابستگی رنگ اشاره نمود. این ویژگیهـا از دو جنبـه طـول بردار ویژگی و توانایی بیان محتوای تصویر از کارایی بالایی بر خـوردار نیستند. در این مقاله تیم پی سی اسکریپت ابتدا دو ویژگی جدید به نامهای رنگ غالب فـازی و رنگ غالب فازی با در نظرگرفتن وابستگی مکـانی پیکـسلها پیـشنهاد میگردند و سپس یک ساختار مبتنی بر اتوماتـای سـلولی فـازی بـرای استخراج این ویژگیها ارائـه مـی شـود.
ایـن موضـوع از طریـق مقایـسه تصاویر در یک پایگاه داده استاندارد با استفاده از ویژگیهای پیـشنهادی انجام میگیرد. ویژگیهـای پیـشنهادی از نظـر بیـان مناسـب محتـوای تصویر، نسبت به ویژگیهای متداول از دقت بالایی برخـوردار هـستند. از سوی دیگر ویژگیهای پیشنهادی دارای بردار ویژگی با حجم کم و هزینه محاسبه و ذخیره پایین میباشند.
مقدمه ای بر استخراج ویژگی تصاویر:
بازیابی تصویر از دهه 1970میلادی یک زمینه تحقیقـی فعـال بـوده است که از سوی دو گـروه تحقیقـی اصـلی مـدیریت پایگـاه داده هـا و بینایی ماشین مورد توجه قرار دارد. در گذشته شاخص گذاری تـصاویر بدلیل دو مشکل کار دستی مورد نیاز برای تفـسیر متنـی تـصاویر و برداشت متفاوت افراد از تصاویر به علـت مفهـومی بـودن حـس بینـایی انسان کاری وقت گیر و ناکارآمد بوده است. .به منظور حل این مسائل مبحث بازیابی تصویر بر اساس محتوا یا استخراج ویژگی تصاویر مطـرح شـد کـه در آن بـه جـای تفسیر متن به صورت دستی, تصاویر بر اسـاس محتوایـشان بـه صـورت خودکار شاخص گذاری میشوند.
در استخراج ویژگی تصاویر بر اساس رنگ، بافت و شـکل بـرای شـاخص گـذاری تـصاویر اسـتفاده میگـردد. رنـگ یکـی از رسـاترین ویژگـی هـا در میـان همـه ویژگیهای دیداری است و به طور گسترده ای در زمینه بازیـابی تـصویر در طول دهه گذشته مورد مطالعه قرار گرفتـه اسـت. بـه همـین جهـت توصیفگرهای ویژگی زیادی در زمینه رنگ برای بیـان محتـوای تـصویر ارائه شده است که از آن جملـه مـیتـوان بـه هیـستوگرام رنـگ، بـردار وابستگی رنگ و رنگ غالب اشاره کرد.
واژه های کلیدی:
اتوماتای سلولی فازی، بازیـابی تـصویر مبتنـی بـر محتوا، تصاویر رنگی، استخراج ویژگی.
