الگوریتم ویژگی مقاوم سرعت یافته SURF(Speed - up Robust Feature)

الگوریتم ویژگی مقاوم سرعت یافته(SURF) یک آشکارسازویژگی محلی مقاوم است که اولین بار توسط بای و همکارانش درسال ۲۰۰۸ ارائه شده است. الگوریتمSURF از اندازه گیری  سریع ماتریس هسیان برای آشکارساز و توصیفگر مبتنی بر توزیع استفاده میکند. اگرچه SURF عملکردی مشابه SIFTدارد، امّا در یک زمان ثابت میتواند سریعتر عمل کند. در ادامه الگوریتم SURF ، به طور مختصر توضیح داده شده است.  

الگوریتم تبدیل ویژگی مقیاس ثابت SIFT(Sift Scale Invariant Feature Transform)

                                      

الگوریتم تبدیل ویژگی مقیاس ثابت (SIFT) ، یک الگوریتم تشخیص ویژگی در بینایی رایانه برای شناسایی و توصیف ویژگی های محلی در تصاویر است و مورد توجه و مطالعه پژوهشگران قرار گرفته و بهبود داده شده است ،توسط دیوید لو در سال 1999 منتشر شد. وی این الگوریتم را به عنوان یک شناساگر مقاوم نسبت به تغییرات مقیاس وچرخش و همچنین نسبت به نویز وشدت روشنایی پیشنهاد کرد.الگوریتم SIFT نه نتها یک شناساگر قوی ،بلکه یک توصیف گر وتطبیق گر قوی هم می باشد. این الگوریتم ونسخه های بهبود یافته آن در انطباق تصویر،موزاییک تصویر،جعل کپی – جابجایی وردیابی تصویر کاربرد دارد.کاربردهای فراوان این الگوریتم هرروز توجه دانشمندان را به خود جلب می کند. 

LBP

الگوی باینری محلی

LBP(Local Binary Pattern)

الگوریتم LBP یکی از قویترین الگوریتم های استخراج ویژگی در علم بینایی ماشین است و همچنین یکی از روش هایی است که به طور وسیعی در تحقیقات مربوط به چهره و بازیابی چهره به کار رفته است. الگوریتم الگوی باینری محلی  (LBP) در سال 1994 ابداع گردید. الگوهای باینری محلی روشی  موثر برای توضیح کارایی بافت ها است که  می توان از آن برای اندازگیری استخراج ویژگی های بافت های مجاور در تصاویر استفاده نمود.برای اینکه این الگورتم را مورد بررسی قرار دهم لازم است یکسری از مفاهیم در تصویر را توضیح دهم .

بافت :بافت در تصویر یعنی نحوه چیدمان (قرارگیری ) رنگ های مختلف در کنار یکدیگر می باشدویک الگوی قابل مشاهده وتکرار پذیر در تصاویر می باشد.به عبارت دیگر بسته به اینکه تصویر سیاه سفید یا رنگی باشد قرارگیری اعداد کنار هم که نشاندهنده شدت روشنایی میباشد همان بافت است که در تصاویر سیاه وسفید یا همان باینری اعداد صفرویک ودر تصاویر خاکستری از صفر تا 255 می باشد.

الگوی باینری محلی یکی از روشهای استخراج بافت یک تصویر می باشد.روش الگوی باینری محلی برای استخراج بردار ویژگی به شرح زیر می باشد: 

بازسازی تصاویر براساس محتواCBIR(Content Base Image Retrieval)

مقدمه:

استفاده بسیار زیاد ودسترسی به داده های تصویری در وب باعث رونق فعالیتهای تحقیقاتی در بازیابی وجستجوی تصاویر شده است. حوزه بازیابی تصویر به عنوان علمی میان رشته ای از هوش مصنوعی ،پردازش تصویر،بازیابی اطلاعات ،بینایی کامپیوتر ی ویادگیری ماشین توجه بسیاری از پژوهشگران را به خود جلب کرده است. 

در بازیابی تصویر، هدف یافتن تصاویر مرتبط با مقصود یک کاربر خاص، از بین مجموعه ا ی بزرگ از تصاویر است. معمولا حجم  پایگاه داده تصاویر به قدری زیاد است که جستجوی دستی آن  وقت گیر و عملا ناممکن می باشد. همچنین تصاویر موجود در پایگاه داده ممکن است اندازه ،کیفیت یا حتی کانالهای رنگی متفاوت داشته باشند یا دارای تصاویر یکسان اما با نورپردازی ،چرخش یا مقیاسهای متفاوت باشند. از اینرو نیاز به رو شهایی که بتواند کاربر را با سرعت ودقت بالا به تصاویر مورد نیاز از میان پایگاه داده های بزرگ تصاویر برساند بسیار مورد توجه قرار گرفته است.