Document Type : .

Authors

1 Associate Professor, Department of Computer Engineering and Information Technology, Payame Noor University of Tehran, Iran

2 PhD student in Information Science and Knowledge, Payame Noor University, Central Mashhad.

Abstract

If we consider today's world as the digital world, it is not far-fetched to consider the central cell of this world as information, and we have not gone too far as to consider the issue of information retrieval as one of the most important and practical issues in the field of digital information. As we know, part of the information is presented in the form of images, and therefore it is considered that there is a need to recover images. Image retrieval is not possible except through familiarity with web content-based feature extraction metrics. This matter has been studied in the present study with the library method and using valid Persian and English databases. To this end, the research question is formulated as follows: What are the criteria for extracting features for retrieving images based on web content? Is using these features effective in image recovery or not? Based on the findings of these lines, we find that two types of features are required to retrieve images; High-level features and low-level features. These two types of attributes are used in web content retrieval depending on the type of need.

Keywords

حاجی اسمعیلی، محمدمهدی و غلامعلی منتظر (1396). « نگاهی بر  بازیابی معنایی تصاویر در وب» . سومین کنفرانس بین­المللی وب­پژوهی . 30 ، 31 فروردین.
حق­شناس جزی، شهرزاد و فرساد زمانی بروجنی (1396). «مروری بر روش­های بازیابی تصویر مبتنی بر محتوا براساس ویژگی بافت» . کنفرانس ملی مهندسی کامپیوتر و فناوری اطلاعات. تیرماه. دانشگاه آزاد اسلامی واحد سپیدان.
رحیمی، صالح(1394). «نگرش­های رایج در نمایه­سازی و بازیابی تصاویر در محیط وب». مطالعات ملی کتابداری و سازماندهی اطلاعات. بهار.ش 101.
سزاوار، امیر و دیگران (1395). « بازیابی تصویر با استفاده از یادگیری عمیق». چهارمین کنفرانس بین­المللی پژوهش­های کاربردی در مهندسی کامپیوتر و پردازش سیگنال. 18 آذرماه. تهران. ایران.
شریفی، شهرزاد و دیگران (1390). « نقش وب معنایی در بازیابی اطلاعات» . فصلنامه دانش­شناسی (علوم کتابداری و اطلاع­رسانی و فناوری اطلاعات). سال سوم. شماره (12).بهار.
ظریف قاسمیان، نعیمه؛ رحمت­الله فتاحی و محسن نوکاریزی(1399). «بررسی معیارهای قضاوت ربط تصاویر بازیابی شده در موتور کاوش گوگل از دیدگاه دانشجویان تحصیلات تکمیلی دانشکده مهندسی دانشگاه فردوسی مشهد». فصلنامه کتابداری و اطلاع رسانی. شماره 89. صص 106- 120.
غضنفری، حامد و حمید حسن­پور(1395). «بازیابی تصویر مبتنی بر محتوا با استفاده از هیستوگرام رنگ». دانشگاه صنعتی امیرکبیر. کنفرانس پردازش سیگنال و سیستم­های هوشمند.
کشاورز، احمد و حسن قاسمیان (1383). « بهبود طبقه­بندی تصاویر ابرطیفی با استفاده از گروه­بندی باندها و الگوریتم­های استخراج ویژگی». تهران:  گروه مهندسی مخابرات- دانشکده فنی مهندسی- دانشگاه تربیت مدرس.
محمودی، فریبرزو دیگران (1381). « بازیابی تصویر مبتنی بر شکل با استفاده از همبستگی بین لبه­های تصویر». پاییز، سال 13. ش.52. تهران: امیرکبیر.
 
Anandh. A and al(2016). “Content based image retrieval system based on semantic information using color, texture and shape features”. 978-4673-8437-7/16 2016 IEEE 
Hee‑Hyung Bu. and al(2019). “Content‑based image retrieval using combined texture and color features based on multi‑resolution multi‑direction fltering and color autocorrelogram”. Journal of Ambient Intelligence and Humanized Computing.
Huang, Changin and al(2018). Large-scale semantic web image retrieval using bimodal deep learning techniques. Informaion sciences, Journal.hompage: www.elsevier.com/locate/ins. 430-431 (2018) 331-348.
Hussain, Abid and al(2019). “Retrieval effectiveness of image search engines”. The electronic library, http://doi.org/10.1108/El-07-2018-0142 . www.emeraldinsight. com/0264-04773.htm.
Kumar, c. s. , sarvana, Santhosh, R. (2020). »Effective information retrieval and feature minimization technique for semantic web data«. Computer and electrical engineering. Journal. Homepagewww.elsevier.com/locate /compeleceng.
 Liu,ying and al(2007). “ A survey of content-based image retrieval with high-level semantics”. PATTERN RECOGNITION.no 40. P.p. 262- 282.  www.sciencedirect.comwww.elsevier.com/locate/patcog
Pandian, A. and R. Balasubramanian(2017). “ performance analysis of texture image retrieval in curvelet, contourlet, and local temary pattern using Dnn and Elm classifiers for MRI brain tumor images,” . in proceedings of international conference on computer vision and image processing.pp. 239-248: springer.
Tsai, chih-fong; Lin,wei- chao(2011).»Scenery image retrieval by meta- feature reprentatio .«scenery image retrieval.517. www.emeraldinsight.com/1468-4527.htm.
Villarroel ordenes, francisco; zhang, shunyuan.(2019) “ from words to pixels: text and image mining methods for service research”. Journal of service management, vol.30. No.50. pp.539-620.www.emeraldinsight.com/1757-5818.htm
Wang, Shenlongand and al(2019). “Review of image low-level feature extraction methods for content-based image retrieval”. Sensor ReviewVolume 39 Issue 6.