در لینک
دانلود فایل اجرایی پروژه، مقاله ای که با متلب پیاده سازی شده است را دانلود
کنید.
این پروژه " روشی
مبتنی بر الگوریتم ژنتیک برای ارش دهی ویژگی ها جهت سیستم های بازیابی تصاویر "
را با متلب شبیه سازی میکند . دیتا ست مورد استفاده در این پروژه دیتاست معروف WANG
می باشد.
این پروژه همچنین دارای
یک فایل داکیومنت جند صفحه ای است که روش اجرای برنامه و کلیه خروجی های بدست آمده
همراه با اطلاعات مربوط به دیتاست و فیچر ها را نشان میدهد.
1- توضیحاتی در مورد روش پیشنهادی
روشی برای بازیابی تصاویر
پیشنهاد شده است. برای این روش از ویژگیهای رنگ و بافت استفاده شده است. برای
بهبود پارامترهای به کار رفته در الگوریتم پیشنهادی، از الگوریتم ژنتیک استفاده
شده است. نتایج آزمایشها بر روی یک بانک داده متشکل از 1000 تصویر، دقت قابل
قبولی نشان میدهد. علاوه بر این روش پیشنهادی توانسته با کاهش ویژگیها از ابعاد
مسئله بکاهد.
2- ویژگیها
تصویر مورد بررسی به پنج
ناحیه به شرح زیر تقسیم میشود:
1-
کل تصویر
2-
یک سوم بالایی تصویر
3-
یک سوم میانی تصویر
4-
یک سوم پایینی تصویر
5-
ناحیهی میانی تصویر (با ابعاد معادل نصف
تصویر)
سپس از هریک از این نواحی
هفت ویژگی استخراج میشود:
1-
میانگین رنگ قرمز (در مقیاس صفر تا یک)
2-
میانگین رنگ آبی (در مقیاس صفر تا یک)
3-
میانگین رنگ سبز (در مقیاس صفر تا یک)
4-
میانگین مولفهی H (در مقیاس صفر تا یک)
5-
میانگین مولفهی S (در مقیاس صفر تا یک)
6-
میانگین مولفهی V (در مقیاس صفر تا یک)
7-
میانگین شدت لبهها پس از اعمال فیلتر گاوسی و
لاپلاسین
3- الگوریتم ژنتیک
برای تعیین ویژگیهای مهم
و غیر مهم، از روش وزندهی به هر یک از ویژگیها استفاده شده است. برای تعیین
مقادیر بهینه برای این ضرایب از الگوریتم ژنتیک استفاده شده است. پارامترها
عبارتند از: نرخ جهش 10%، ترکیب به صورت جمع و میانگین 80% از بهترین افراد هر نسل
و 20% از افراد ضعیف هر نسل.
4- تعیین آستانه و نحوه ی طبقه بندی
از یک الگوریتم ابتکاری
مبتنی بر جستجوی دودویی برای تعیین آستانهی تصمیمگیری استفاده شده است. طبقهبندی
نیز بر اساس سنجش فاصلهی منهتن بین ماتریس ویژگی استخراجشده از تصویر و یافتن
کمینهی فاصله تا هر یک از 10 دستهی تمرین است.
5- بانک داده
از بانک دادهی WANG شامل 1000 تصویر از ده نوع
مختلف برای آزمایشها استفاده شده است. دستههای دهگانه عبارتند از: آفریقاییها،
ساحل دریا، ساختمان، اتوبوس، دایناسورها، فیلها، گلها، اسبها، کوهها و غذاها.