Sistema de recuperación de imágenes basado en el contenido utilizando el aprendizaje automático

Proceso de recuperación de imágenes basado en el contenido dependiendo de una nueva estrategia de correspondencia. En este trabajo, el modelo propuesto se compone de cuatro fases principales: extracción de características, reducción de la dimensionalidad, clasificador RNA y estrategia de correspondencia. En la fase de extracción de características, se extraen las características de color y textura, respectivamente, denominadas matriz de co-ocurrencia de color (CCM) y diferencia entre píxeles del patrón de escaneo (DBPSP). La técnica de reducción de la dimensionalidad selecciona las características efectivas que tienen conjuntamente la mayor dependencia de la clase objetivo y la mínima redundancia entre ellas. La red neuronal artificial (RNA) de nuestro modelo propuesto sirve como clasificador, de modo que las características seleccionadas de la imagen de consulta son la entrada y su salida es una de las múltiples clases que tienen la mayor similitud con la imagen de consulta.