To improve the performance of image classification, we propose an image classification method based on BP neural network. Firstly, one image is segmented and clustered several visual objects. By means of the unit image library, we calculate one probability vector, which is composed by probability of every visual object of the image and every unit image of the unit image library. So a total feature vector of one image can been attain. By means of the BP neural network, which we construct, we attain a class about the image, thereby we can realize image classification. The end, Ground Truth Database is adopted experimental image library in this paper. The method attains good effect based on experimental result

در این مقاله قصد داریم به منظور بهبود  کارائی سیستم طبقه بندی تصویر، یک متد طبقه بندی تصویر را بر مبنای شبکه ی عصبی BP ارائه دهیم. در این متد پیشنهادی، تصویر در ابتدا بخش بندی شده و سپس در قالب چندین شیئ  قابل رویت(بصری) خوشه بندی می­شود.  به دنبال آن، به وسیله ی  یک کتابخانه ی تصویر واحد، یک بردار احتمالاتی را محاسبه میکنیم که چنین برداری، از احتمال قابل رویت بودنِ هر شیئ در تصویر، و هر  تصویر واحد در کتابخانه ی تصویر واحد تشکیل شده است. از این رو یک بردار ویژگی کلی از یک تصویر را میتوان بدست آورد. با استفاده از شبکه ی عصبی BP  -که آنرا ایجاد خواهیم کرد- یک کلاسی درباره ی تصویر را  بدست می­آوریم که به وسیله ی  آن می­توانیم طبقه بندی تصویر را درک کنیم. در نهایت، از پایگاه داده ای تحت عنوان  Ground Truth  به عنوان یک کتابخانه ی آزمایشی تصویر استفاده میکنیم.   متدی که پیشنهاد داده ایم، بر حسب نتایج آزمایشی ای که بدست آمده است از عملکرد خوبی برخوردار بوده است.

-1مقدمه