fa یک روش مبتنی بر خوشه‌بندی سلسله‌مراتبی تقسیم‌کننده جهت شاخص‌گذاری اطلاعات تصویری مقالات پردازش تصویر Paper پژوهشي Research در سیستم های رایج بازیابی تصویر مبتنی بر محتوا از ساختارهای شاخص گذاری چندبعدی برای سرعت بخشیدن به عملیات جستجو استفاده می شود. در اکثر حوزه های کاربردی، ابعاد بالایی از بردارهای ویژگی چندبعدی برای توصیف تصاویر موردنیاز است، اما ساختارهای شاخص گذاری چندبعدی رایج کارایی خود را با افزایش ابعاد فضای ویژگی از دست می دهند. افزایش ابعاد فضای داده موجب افزایش نمایی اندازه فضای جستجو و تعداد گره ها در ساختارهای شاخص گذاری چندبعدی، و همچنین موجب افزایش همپوشانی بین گره های ساختارهای شاخص گذاری چندبعدی می شود. این مسائل منجربه افزایش هزینه جستجو ازطریق ساختارهای شاخص گذاری چندبعدی رایج می گردد. هدف این پژوهش ارائه یک ساختار شاخص گذاری تصویر مبتنی بر خوشه بندی سلسله مراتبی تقسیم کننده، جهت مدیریت بردارهای ویژگی متناظر با تصاویر، در فضای ویژگی با ابعاد بالا می باشد که درضمن از همپوشانی نواحی گره ها نیز جلوگیری به عمل آورد. آزمون های مختلف نشان داده است که ساختار شاخص گذاری پیشنهادی در فضاهای با ابعاد بالا کارایی مناسبی داشته و نسبت به رویکردهای پیشین دارای برتری است. It is conventional to use multi-dimensional indexing structures to accelerate search operations in content-based image retrieval systems. Many efforts have been done in order to develop multi-dimensional indexing structures so far. In most practical applications of image retrieval, high-dimensional feature vectors are required, but current multi-dimensional indexing structures lose their efficiency with growth of dimensions. Increase in dimensions of data space leads to exponentially growth of the search space and increase of the number of nodes in multi-dimensional indexing structure, as well as increase in overlap between nodes in multi-dimensional indexing structures. These problems lead to increase in cost of search through indexing structure and therefore to reduction in efficiency of these structures in high-dimensional spaces. The main goal of this research is to propose a divisive hierarchical clustering-based multi-dimensional indexing structure in order to manage high-dimensional feature vectors extracted from images, which also prevents overlapping in its structure.Various tests and analyses of experimental results on high-dimensional datasets indicate the performance of our proposed method in comparison with others. بازیابی تصویر مبتنی بر محتوا, ساختار های شاخص‌گذاری چند بعدی, خوشه‌بندی سلسله‌مراتبی تقسیم‌کننده, روش‌های پیگرد افکنش. Content-based image retrieval, Multi-dimensional indexing structures, Hierarchical divisive clustering, Projection pursuit methods 91 109 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-300-1&slc_lang=fa&sid=1 نجوا ایزدپناه najva.izadpanah@gmail.com 10031947532846001479 10031947532846001479 Yes Mohammadreza keyvanpour محمدرضا کیوان پور 10031947532846001480 10031947532846001480 No سعیده رنجبران 10031947532846001481 10031947532846001481 No