Resumen

En un mundo de información multimedia en el que los usuarios buscan resultados precisos frente a una consulta de búsqueda y exigen la recuperación de contenidos multimedia relevantes, el desarrollo de un sistema preciso de recuperación de imágenes basado en el contenido (CBIR) resulta difícil debido a la presencia de ruido en la imagen. El rendimiento del sistema CBIR se ve mermado por este ruido. Para estimar la distancia entre las imágenes de la consulta y las de la base de datos, los sistemas CBIR utilizan la representación de características de la imagen. El ruido o los artefactos presentes en los datos visuales pueden confundir al CBIR a la hora de recuperar resultados relevantes. Por lo tanto, proponemos la representación de características Noise Resilient Local Gradient Orientation (NRLGO) que supera el factor de ruido dentro de la información visual y fortalece el CBIR para recuperar resultados precisos y relevantes. La NRLGO propuesta consta de tres pasos: estimación y eliminación del ruido para proteger la estructura visual local; extracción de características de color, textura y contraste local; y, al final, generación de la microestructura para la representación visual. La distancia Manhattan entre la imagen de consulta y la de la base de datos se utiliza para medir su similitud. La técnica propuesta se probó utilizando el conjunto de datos Corel, que contiene 10000 imágenes de 100 categorías diferentes. Los resultados del experimento indican que la NRLGO propuesta tiene un mayor rendimiento de recuperación en comparación con las técnicas más avanzadas.

• Materias:Propagación de ondas Rayo láser Onda electromagnética Óptica Biofotónica
• Subjects:Wave propagation Lasers Electromagnetic waves Optics Biophotonics
• Palabras claves:ruido, cbir, nrlgo, resultados relevantes, orientación del gradiente local resistente al ruido, recuperación de contenidos multimedia relevantes, mayor rendimiento de la recuperación, representación de características de la imagen, estructura visual local, sistema cbir
• Keywords:noise, cbir, nrlgo, relevant results, noise resilient local gradient orientation, relevant multimedia content retrieval, higher retrieval performance, image feature representation, local visual structure, cbir system