افزایش روزافزون تصاویر دیجیتال از اماکن و محیط ها و اشیای مختلف و هزینه پائین ذخیره سازی و سهولت کار در اینترنت و وب سایت ها، نیاز به طراحی یک ماشین جستجوگر تصویر، با توانایی پرداخت به تمام نیازهای کاربر، در سال های اخیر به شدت افزایش داده است. بازیابی تصویر رشته ای است که با جستجوی دیجیتال تصاویر از پایگاه های داده تصاویر سروکار دارد. امروزه تلاش های بسیاری برای افزایش سرعت و بازدهی بازیابی تصاویر انجام می شود. هدف این پایان نامه، ارائه سیستمی مناسب برای بازیابی تصاویر دیجیتال مبتنی بر محتوای تصاویر است که در پایگاه های داده متفاوت بازدهی بیشتری داشته باشد و تصاویر مشابه با تصویر مورد سوال را به بهترین نحو افزایش دهد. در این پایان نامه چند سیستم جدید برای بازیابی تصاویر مبتنی بر محتوا با ترکیب ویژگی های رنگ و بافت و استفاده از تکنیک های مختلف ارائه شده است. از تبدیل موجک گسسته و تبدیل کسینوسی گسسته برای استخراج ویژگی های بافت تصویر و از روش های کلاسه بندی و روش های کاهش بعد در سیستم های بازیابی مبتنی بر محتوای پیشنهادی استفاده کرده ایم. پس از اعمال روش های پیشنهادی بر روی سه پایگاه داده متفاوت، نتایج را با چند روش بازیابی بکار رفته در استاندارد mpeg-7 و تحقیقات و مقالات مقایسه کرده ایم. در بخش نتایج نشان داده ایم که در هر پایگاه داده، یکی از روش های بازیابی بازدهی بهتری نسبت به دیگر روش ها دارد به این معنا که یک روش وجود ندارد که در هر سه پایگاه داده بهترین بازدهی را از خود نشان دهد. در ادامه در هر پایگاه داده سه روشی را که بازدهی بهتری نسبت به بقیه روش ها دارد لیست کرده ایم که نشان می دهد روش پیشنهادی ترکیب hdwt2 و dct جزء سه روش برتر در هر پایگاه داده است.

بازیابی تصویر به معنای فرآیند پیدا کردن تصویر مورد نظر در مجموعه ای از پایگاه داده است. دو زمینه اساسی برای بازیابی تصویر ارائه شده است: بازیابی مبتنی بر متن و بازیابی مبتنی بر محتوا.افزایش سریع تصاویر با حجم بالا نظیر شبکه اینترنت سیستم بازیابی مبتنی بر متن را ناکارآمد کرد و باعث معرفی سیستم های بازیابی مبتنی بر محتوای تصویر(cbir) شد.سیستم های بازیابی تصویر cbirعمل بازیابی را معمولاً در سه مرحله استخراج ویژگی،اندیس گذاری وبخش بازیابی انجام می دهد. تاکنون روش های بسیاری برای بهبود بازیابی تصویر cbir مورد بررسی قرار گرفته اند. هم چنین روش های مختلف برای تقسیم بندی تصویر مطرح شدند. بر اساس این الگوریتم ها، روشی جدید برای بازیابی ارائه شد. روش ارائه شده در این تحقیق، ترکیبی از ویژگیهای رنگ و بافت برای افزایش کارایی بازیابی است. بنابراین بازیابی تصویر با استفاده از ویژگی های مکانی و فرکانس در فضای رنگ hsi وخوشه بندیk-means پیشنهاد گردید. برای ارزیابی سیستم پیشنهادی از پایگاه داده یcorelاستفاده شده وعملکرد سیستم پیشنهادی با سایر روش ها مقایسه شده است.

بازیابی شئ در تصویر یکی از تکنیک¬های کاربردی در بینایی ماشین و پردازش تصویر می¬باشد که بطور وسیعی مورد استفاده قرار می¬گیرد. استخراج ویژگی¬های تصویر یکی از مهم ترین و ساده ترین روش های بیان و اندیس گذاری تصویر در سیستم های بازیابی شئ مبتنی بر محتوا است. در سال های اخیر افزایش بازدهی و سرعت سیستم های بازیابی مهم ترین هدف تحقیقات بوده است. در سیستم بازیابی شئ، با توجه به شئ مورد سوال، تصاویر مشابه با آن از پایگاه داده استخراج می¬شود. شناسایی اشیاء مختلف با استفاده از توصیف¬گرهای تصویر در سال¬های اخیر رشد چشمگیری داشته و امیدهای زیادی را در زمینه بینائی ماشین برای داشتن سیستم¬های قدرتمند و با توانائی¬های گسترده و متفاوت ایجاد کرده است به¬گونه¬ای که امید دانشمندان برای داشتن سیستم¬های با قابلیت¬های مشابه سیستم¬های بینائی بیولوژیکی در سال¬های نه¬¬چندان دور بیشتر وبیشتر کرده است. در این پایان نامه، تنها از یک تصویر مورد آزمون برای بازیابی تصاویر مشابه استفاده شده است. در ابتدا شئ مورد نظر از تصویر مورد آزمون استخراج می¬شود و سپس بوسیله¬ی توصیف¬گر surf ویژگی های آن استخراج می¬شود. در ادامه با استفاده از بردارهای ویژگی عمل تطبیق را بین تصویر مورد سوال و تصاویر پایگاه داده انجام می¬دهیم. روش پیشنهادی ما بدون یادگیری صورت می¬گیرد که باعث کاهش زمان محاسبتی، بهبود عمل بازیابی و کاهش فضای ذخیره سازی می¬شود. کلید واژه ها: استخراج ویژگی، بازیابی شئ مبتنی بر محتوا، توصیف¬گر، یادگیری.

در این پایان¬نامه ترکیب تصاویر مربوط به سنسورهای مرئی و فرابنفش بررسی شده است. کاربرد این سنسورها در سیستم¬های دید در شب و برای موارد نظامی است. با بررسی الگوریتم¬های مختلف ترکیب بر روی تصاویر، لزوم معرفی الگوریتم بهینه مطرح می شود. تمامی این الگوریتم¬ها مربوط به ترکیب در سطح پیکسل هستند و این بدلیل توانایی این سطح ترکیب در حفظ اطلاعات اصلی تصاویر است. الگوریتم پیشنهادی این پایان¬نامه بر پایه متوسط¬گیری روی گرادیان تصاویر ورودی با در نظر گرفتن وزن بهینه است. دلیل انجام متوسط¬گیری بر روی گرادیان تصاویر، جلوگیری از کاهش کنتراست تصاویر و حفظ اطلاعات مفید فرکانس پایین است. وزن بهینه با توجه به اطلاعات مفید تصاویر ورودی تعیین می¬شود. در نهایت تصویر ترکیبی با حل معادله¬ی پواسون از گرادیان ترکیب شده تعیین می¬شود. مقایسه بصری الگوریتم پیشنهادی با سایر الگوریتم¬های ترکیب، مناسب بودن این الگوریتم را نشان داد. در مقایسه¬ی بصری پس¬زمینه تصویرخروجی این الگوریتم نسبت به پس¬زمینه¬ی تصاویر خروجی سایر الگوریتم¬ها بهتر است. برای ارزیابی سیستم پیشنهادی، از سه معیار اطلاعات متقابل، حفظ لبه و شباهت ساختاری استفاده می شود. در تمامی این معیارها الگوریتم پیشنهادی در مقایسه با سایر الگوریتم¬ها نتایج بهتری را بدست آورد.

چکیده ندارد.