دراسة مقارنة لخوارزميات الأنماط المحلية في أنظمة استرجاع الصور المعتمدة على المحتوى

الملخص

إن الحاجة المتزايدة لاسترجاع الصور من قواعد البيانات الضخمة جعلت مجال استرجاع الصور بالاعتماد على المحتوى Content-Based Image Retrieval (CBIR) مجالاً ملحاً وضرورياً للبحث. اقترح الباحثون الكثير من خوارزميات استرجاع الصور من خلال استخراج السمات الهامة والمميزة من المحتوى المرئي للصورة لأهمية السمات المستخرجة في تحسين دقة أنظمة الاسترجاع. وفي هذا البحث، تم إجراء مقارنة لست خوارزميات محلية مشهورة على مدى عقد من الزمن (LBP, LTP, LTrP, MMCM, COALTP and LMP)  واختبار هذه الخوارزميات باستخدام نوعين مختلفين من قواعد البيانات: قواعد بيانات الصور الملونة(Color image database) و قواعد بيانات النسجة(Texture database) وباستخدام أربعة مقاييس للمسافات(L1, Euclidean, Cityblock and Cosine)  لاسترجاع الصور الأكثر مطابقة لصورة الاستعلام من خلال اختيار الصور ذات المسافة الأقصر. تم تقييم أداء الخوارزميات المدروسة باستخدام ثلاثة مقاييس: متوسط ​​دقة الاسترجاع (Average Retrieval Precision) ARP، متوسط الاسترداد Average Recall  ومتوسط ​​معدل الاسترجاع (Average Retrieval Rate) ARR، كشفت هذه الدراسة تفوق خوارزمية COALTP على الخوارزميات الأخرى المختبرة، وبالإضافة إلى ذلك، أظهرت النتائج أن خوارزميات الأنماط المحلية أكثر كفاءة في استرجاع الصور من قواعد بيانات النسجة مقارنة مع قواعد البيانات الملونة.