Classificazione automatica di immagini basata sulla caratterizzazione visuale dei concetti

Quello di trovare all'interno delle immagini elementi caratteristici che possano identificare un concetto semantico è sempre stato uno degli obbiettivi più importanti per il recupero di immagini basate sul contenuto. Questo è ottenuto analizzando le immagini in base a ciò che contengono, ossia studiando i colori, le forme e le tessiture. Questi tre insiemi vengono chiamati feature di basso livello e attraverso la loro analisi è possibile trovare all'interno di un'immagine elementi semplici (tipo forme come quadrati, cerchi, etc...) che la caratterizzano. Sulla base di questo approccio è stato sviluppato un sistema in grado di estrarre da un insieme consistente di immagini, rappresentanti un concetto semantico della tassonomia, delle feature caratterizzanti. Queste feature potranno essere usate per l'identificazione del concetto semantico a cui l'immagine appartiene e saranno usate per classificare tale immagine all'interno di una tassonomia. In questo modo si consentirà una ricerca semantica basata su cosa il contenuto visivo dell'immagine rappresenta. Per ottenere questo sistema si è analizzato un lavoro chiamato CoSeNa [42] sviluppato da Mario Cataldi, Claudio Schifanella, K. Selçuk Candan, Maria Luisa Sapino e Luigi Di Caro. Questo sistema lavora nell'ambito del testo, ricercando e mettendo in risalto collegamenti semantici tra parole chiave e concetti tassonomici trovati nell'analisi testuale di articoli di giornale. In questa trattazione è stato affrontato il problema di come poter applicare lo stesso concetto alle immagini per la realizzazione di un sistema di ricerca basato sulla componente semantica e sull'individuazione delle feature caratterizzanti concetti.