Ταξινόμηση Έγχρωμων Ψηφιακών Εικόνων με βάση τους Περιγραφείς Χρώματος MPEG-7 και Ασαφούς Συσταδοποίησης
(EL)
Χαραλάμπους, Ιγνατία - Χρυσόστομος
Σχολή Κοινωνικών Επιστημών. Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας. Πολιτισμική Πληροφορική.
(EL)
Το πρόβλημα της ταξινόμησης εικόνων σε κατηγορία (image classification) αποτελείσημαντικό ερευνητικό πρόβλημα στον τομέα της τεχνητής όρασης (computer vision).Πρόκειται για ιδιαίτερα δύσκολο πρόβλημα, εξαιτίας των ιδιαιτεροτήτων που συναντά κανείςσε ρεαλιστικές εικόνες, όπως για παράδειγμα οι μεταβολές στο φωτισμό, στην οπτική γωνίακαι στην απόσταση λήψης, στην ύπαρξη εμποδίων που υπερκαλύπτουν τμήμα του ουσιώδουςπεριεχομένου της εικόνας κλπ.Οι μέθοδοι που έχουν προταθεί για το πρόβλημα ταξινόμησης στην πλειοψηφία τουςπεριλαμβάνουν δύο στάδια. Στο πρώτο στάδιο γίνεται ανάλυση του περιεχομένου τωνεικόνων και εξάγονται συνοπτικές περιγραφές για διάφορα χαρακτηριστικά π.χ. χρώμα, υφή,σχήμα. Με βάση αυτές τις περιγραφές δημιουργούνται διανυσματικές αποστάσεις τωνεικόνων οι οποίες στο δεύτερο στάδιο χρησιμοποιούνται από αλγορίθμους μηχανικήςμάθησης για την κατασκευή συστημάτων ταξινόμησης με χρήση παραδειγμάτωνεκπαίδευσης.Στην παρούσα εργασία γίνεται μία προσπάθεια οπτικής ανάκτησης έγχρωμων εικόνων μεσκοπό την ταξινόμηση τους για μετέπειτα χρήση τους σε περιπτώσεις αναζήτησης όμοιωναπό χρήστες. Η ταξινόμηση γίνεται με βάση το πρότυπο MPEG-7 και ασαφούςσυσταδοποίησης, και το κριτήριο ταξινόμησης είναι η χρωματική πληροφορία. Για το σκοπόαυτό έχει επιλεγεί ο Περιγραφέας Επικρατούντων Χρωμάτων (Dominant Color Descriptor,DCD), που χρησιμοποιείται για την οργάνωση και την ανάκτηση βάσεων εικόνων. Για τηνεξαγωγή των DCDs έγινε μία παραλλαγή του αλγορίθμου Ασαφών c-Μέσων (Fuzzy c Means(FcM)), με τη χρήση του αλγορίθμου Impoved Batch Fuzzy Learnig Vector Quantization(IBFLVQ).
