چكيده در سال‌هاي اخير، طراحي الگوريتم‌هاي طبقه‎بندي با روش‌هاي تركيب اطلاعات بسيار مورد توجه قرار گرفته است. در بينايي ماشين، به منظور غلبه بر تغييرات درون كلاسي زياددر هر كلاس از تصوير، توصيفگرهاي ويژگي مختلفي طراحي شده¬اند، كه نسبت به اين تغييرات درون كلاسي قوي باشند. اما، هيچ تك ويژگي نمي‌تواند در برابر اين تغييرات، در تمام كلاس‌هاي تصوير مقاوم باشد. بنابراين تركيب گروهي از ويژگي‌هاي گوناگون و مكمل براي جداسازي هر كلاس از كلاس‌هاي ديگر، در طبقه‎بندي چند كلاسه‌ي تصوير بسيار مورد توجه قرار گرفته است. در اين پايان‏نامه، از روش تركيب در سطح ويژگي براي طبقه بندي تصوير استفاده شده است. ابتدا ويژگي¬ها پيش پردازش شده سپس اين ويژگي¬ها با هم تركيب شده و يك بردار ويژگي جديد ايجاد مي¬كنند. اين روش پيش پردازش پيشنهادي، تركيب در سطح ويژگي را ممكن ساخته و كارايي سيستم طبقه بندي را به ميزان قابل توجهي افزايشمي¬دهد. با استفاده از اين روش مي¬توان هر چند ويژگي را با هم تركيب كرد. در اين پايان نامه، از اين روش براي تركيب ويژگي¬هاي سيفت، PHOG، LBP و GIST استفاده شده است.اين روش تركيب بر روي دادگان كالتك-101 اعمال شده و كارايي طبقه بندي رابه ميزان 2 تا 3 درصد نسبت به تك ويژگي سيفت بهبود بخشيده است. روش تركيب ويژگي پيشنهادي، الگوريتم كلي ايست كه مي¬توان از آن در طبقه¬بندي صحنه، شناسايي چهره و كاربردهاي ديگر استفاده كرد. همچنين اين الگوريتم روي دادگان 15-SCENE كه از دادگان طبقه¬بندي صحنه مي¬باشد، اعمال گرديد و كارايي سيستم طبقه¬بندي را حدود 3 درصد نسبت به تك ويژگي سيفت بهبود بخشيد. همچنين روشي براي كاهش ويژگي¬هاي سيفت پيشنهاد شده كه علاوه بر افزايش سرعت طبقه-بندي،كارايي سيستم تركيب ويژگي¬ها را حدود 1 درصد بهبود بخشيده است.اين الگوريتم بسيار ساده و پيچيدگي محاسباتي خيلي كمي نسبت به ديگر روش¬هاي تركيب اطلاعات دارد. واژه‌هاي كليدي:بازشناسي اشيا، تركيب اطلاعات، تركيب ويژگي¬ها، طبقه¬بندي صحنه.   ه در سال‌هاي اخير، طراحي الگوريتم‌هاي طبقه‎بندي با روش‌هاي تركيب اطلاعات بسيار مورد توجه قرار گرفته است. در بينايي ماشين، به منظور غلبه بر تغييرات درون كلاسي زياددر هر كلاس از تصوير، توصيفگرهاي ويژگي مختلفي طراحي شده¬اند، كه نسبت به اين تغييرات درون كلاسي قوي باشند. اما، هيچ تك ويژگي نمي‌تواند در برابر اين تغييرات، در تمام كلاس‌هاي تصوير مقاوم باشد. بنابراين تركيب گروهي از ويژگي‌هاي گوناگون و مكمل براي جداسازي هر كلاس از كلاس‌هاي ديگر، در طبقه‎بندي چند كلاسه‌ي تصوير بسيار مورد توجه قرار گرفته است. در اين پايان‏نامه، از روش تركيب در سطح ويژگي براي طبقه بندي تصوير استفاده شده است. ابتدا ويژگي¬ها پيش پردازش شده سپس اين ويژگي¬ها با هم تركيب شده و يك بردار ويژگي جديد ايجاد مي¬كنند. اين روش پيش پردازش پيشنهادي، تركيب در سطح ويژگي را ممكن ساخته و كارايي سيستم طبقه بندي را به ميزان قابل توجهي افزايشمي¬دهد. با استفاده از اين روش مي¬توان هر چند ويژگي را با هم تركيب كرد. در اين پايان نامه، از اين روش براي تركيب ويژگي¬هاي سيفت، PHOG، LBP و GIST استفاده شده است.اين روش تركيب بر روي دادگان كالتك-101 اعمال شده و كارايي طبقه بندي رابه ميزان 2 تا 3 درصد نسبت به تك ويژگي سيفت بهبود بخشيده است. روش تركيب ويژگي پيشنهادي، الگوريتم كلي ايست كه مي¬توان از آن در طبقه¬بندي صحنه، شناسايي چهره و كاربردهاي ديگر استفاده كرد. همچنين اين الگوريتم روي دادگان 15-SCENE كه از دادگان طبقه¬بندي صحنه مي¬باشد، اعمال گرديد و كارايي سيستم طبقه¬بندي را حدود 3 درصد نسبت به تك ويژگي سيفت بهبود بخشيد. همچنين روشي براي كاهش ويژگي¬هاي سيفت پيشنهاد شده كه علاوه بر افزايش سرعت طبقه-بندي،كارايي سيستم تركيب ويژگي¬ها را حدود 1 درصد بهبود بخشيده است.اين الگوريتم بسيار ساده و پيچيدگي محاسباتي خيلي كمي نسبت به ديگر روش¬هاي تركيب اطلاعات دارد. واژه‌هاي كليدي:بازشناسي اشيا، تركيب اطلاعات، تركيب ويژگي¬ها، طبقه¬بندي صحنه.