Son yıllarda çok geniş veri tabanlarının kullanımıyla birlikte içerik tabanlı görüntü indekslemesi ve erişimi önemli bir araştırma konusu halini almıştır. Bu çalışmada, görüntü indekslemesi için sahne sınıflandırmasını baz alan bir görüntü erişim sistemi tanımlanmıştır. Görüntülerden çıkarılan alt düzey öznitelikler görüntü indekslemesinde doğrudan kullanılmak yerine, bu öznitelikler sahne sınıflandırması için kullanılmış ve görüntüler sınıflandırma sonucunda elde edilen anlamsal sınıf bilgileriyle indekslenmiştir. Sahne sınıflandırması için “kelime kümesi” (bag of words) dokuman analizi yöntemi olarak bilinen tekniğin bir uyarlaması kullanılmıştır. Görüntü erişim sistemini insan algısıyla desteklemek ve anlambilimsel uçurumu en aza indirgemek için erişim senaryosuna tek sınıf sınıflandırıcı bazlı ilgililik geri beslemesi eklenmiştir. Bunun için, ilgili görüntüleri çok iyi modelleyen, ilgili olmayan görüntülerden de bir o kadar uzak duran bir hiperkure oluşturan destek vektör veri tanımlaması kullanılmıştır. Önerilen yöntemler Corel veri kümesinde denenmiş ve başarılı sonuçlar elde edilmiştir.

Content-based image indexing and retrieval have become important research problems with the use of large databases in a wide range of areas. In this study, a content-based image retrieval system that is based on scene classification for image indexing is proposed. Instead of using low-level features directly, semantic class information that is obtained as a result of scene classification is used during indexing. The traditional "bag of words" approach is modified for classifying the scenes. In order to minimize the semantic gap, a relevance feedback approach that is based on one-class classification is also integrated. The support vector data description is used for learning during feedback iterations. The experiments using the Corel data set show good results for both classification and retrieval. ©2008 IEEE.