دسته بندي و بازيابي تصوير با استفاده از بهينه‌سازي شبكه عصبي با كوپلاژ پالسي

بازيابي تصويرمبتني بر محتوا(CBIR) يك ابزار قدرتمند است كه در بسياري از برنامه هاي تصويري وموتورهاي جستجو استفاده مي شود اين روش به جاي متن توصيفي روي ويژگي هاي بصري تصوير كاري مي كند در نتيجه بازيابي موثرتر و كارآمدتري را فراهم مي‌كند. از طرف ديگر راندمان PCNNبه عنوان يك ابزار دانش تصوير براي كارهاي مختلف مانند: ( تقسيم بندي و شناسايي تصوير، استخراج ويژگي، لبه و تشخيص شيء ) ثابت شده است. اين مقاله يك روش براي طبقه بندي و بازيابي تصويرمبتني برمحتوا با استفاده ازPCNN معرفي مي‌كند. روش پيشنهادي ازPCNN براي استخراج ويژگي هاي بصري تصوير در يك فرم بردار عددي كه امضاء تصوير ناميده مي شود استفاده مي كند. همچنين مكانيزمي براي بهينه سازي پارامترهايPCNN به منظور بهبود كيفيت امضاء استفاده شده كه باعث بهتر شدن نتايج دسته بندي گرديد. الگوريتم ماشين بردار پشتيبان نيز براي طبقه بندي و تطبيق به كار گرفته شده است. با اينكار ( طبقه بندي قبل از بازيابي ) تعداد تصاوير در فضاي جستجو بهينه شده، كه شامل يك دسته بجاي دسته هاي متعدد است. علاوه بر اين در اين مقاله يك نمونه اوليهCBIR براي اعتبار بخشيدن به بازيابي معرفي شده است.