การสกัดคุณลักษณะข้อมูลพื้นฐานสำหรับระบบค้นคืนข้อมูลภาพ
บทคัดย่อ
ปัจจุบันภาพดิจิทัลมีจำนวนเพิ่มมากขึ้น ทำให้เกิดการพัฒนาเป็นระบบค้นคืนภาพ ขึ้นมานานกว่าสิบปีในสาขาคอมพิวเตอร์วิชันปัญหาส่วนใหญ่ของระบบค้นคืนภาพคือวิธีการสกัดข้อมูลคุณลักษณะจากภาพอย่างไร เพื่อให้สามารถแทนเนื้อหาในภาพได้อย่างมีประสิทธิภาพ ซึ่งการสกัดข้อมูลภาพนั้นจำเป็นจะต้องได้คุณลักษณะของภาพที่สมบูรณ์ เพื่อนำมาใช้ในการค้นคืนภาพต่อไป บทความได้ สรุปและทบทวนเนื้อหาพื้นฐานเทคนิคต่างๆ ของระบบค้นคืนภาพ โดยแบ่งออกเป็น 4 ส่วนดังนี้ ส่วนที่ 1 เป็นการแนะนำระบบการค้นคืนภาพโดยรวม ส่วนที่ 2 เป็นการทบทวนคุณลักษณะข้อมูลภาพ เช่น สี, รูปทรง, ลวดลาย เป็นต้น ส่วนที่ 3 อธิบายถึง การวัดความเหมือนของการค้นคืนภาพ และส่วนที่ 4 ทิศทางของระบบค้นคืนภาพ จะเห็นว่าปัญหายังไม่สามารถแก้ไขได้ด้วยการใช้คุณลักษณะข้อมูล พื้นฐานทั้งหมดทำให้นักวิจัยต้องพยายามหาวิธีการที่เหมาะสมเพื่อพัฒนาระบบการค้นคืนภาพต่อไป
References
Adnan A., Nawaz M., Anwar S., Ali T., & Ali M. (2010). " Object identification with color, Texture, and Object-Correlation in CBIR system. World Academy of Science, Engineering and Technology.64(40) : 117-122.
B. S. Manjunath, & W. Y. Ma. (1996). "Texture features for browsing and retrieval of large image data". IEEE Trans. On Pattern Anal.and Mach. Intell. 18(8) : 837-842.
Chen, C., & Chu, H. (2015). "Similarity measurement between images". Proceedings of 29 Annual International Computer Software and Application Conference. 2(1): 41-42.
DivyaSrivastava, Rajesh Wadhvani & Manasi Gyanchandani. (2015). "A review : Color feature extraction methods for content based image retrieval". IJCEM International Journal of Computational Engineering & Management. 18(3) : 2230-7893.
John R. Smith, & Shih-Fu Chang. (1994). "Transform features for texture classification and discrimination InLarge image databases". Proc. IEEE Inter. Conf. on Image Processing. (3) : 407-411.
Jong-Seung Park & TaeYong Kim. (2004). "Shape-based image retrieval using invariant features". Advances in Multimedia Information Processing-PCM. Lecture Notes in Computer Science. 33(32) : 146-153.
M. Singha & K. Hemachandran. (2012). "Content based image retrieval using color and texture". Signal and Image processing. An international journal (SIPIJ). 3(1) : 299-309.
Reddy G., Babu G., & Somasekhar P. (2005). "Image retrieval by semantic indexing". Journal of Theoreticaland Applied Information Technology. 5(6) : 745-750.
S. Mangijao Singh & K. Hemachandran. (2012). "Content based image retrieval using color moment and gabor based image retrieval using color moment and gabor". IJCSI International Journal of Computer Science. 9(5) :13-22.
Sanjay Singh & Trimbak Ramchandra Sontakke. (2014). "An effective mechanism to neutralize the semantic gap in content based image retrieval (CBIR)". The International Arab Journal of Information Technology. 11(2) : 124-133.
Smeulders A., Worring M., Santini S., Gupta A., & Jain R. (2000). "Content-based image retrieval at the end of the early years". IEEE Transactions on Pattern Analysis and Machine Intelligence. 22(12) : 1349-1380.
Suhasini P., Krishna S., & Krishna M. (2009). "CBIR using color histogram processing". Journal of Theoretical and Applied Information Technology. 6(1) : 116-122.
WenjingJia, Huaifeng Zhang, Xiangjian He, & Qiang Wu. (2006). A comparison on histogram based image matching methods. Proceedings of the IEEE International Conference on Video and Signal Based Surveillance.
Wu J., Wei Z., & Youli C. (2010). "Color and texture feature for content based image retrieval. The International Journal of Digital Content Technology and its Applications". 4(3) : 43-49.
Zainab Ibrahim Abood, sraaJameel & Nabeel Jameel Tawfiq Muhsin. (2013). "Content-based image retrieval (CBIR) using hybrid technique". International Journal of Computer Applications. 83(12) : 17-24.
