基于粒子群优化权重向量的交互式图像检索

摘要

近年来，随着计算机及通信技术的快速发展，多媒体信息出现了急剧增长的趋势，数字图像的内容和种类也得到了极大的丰富，怎么才能从海量的图像中提取所需的图像信息，已成为信息时代人们亟待解决的问题，对图像数据库的分类和检索也成为获取图像信息的研究热点，同时基于内容的图像检索已成为近年来计算机视觉领域最活跃也最具有挑战性的问题之一，是一个融合计算机视觉、图像处理、图像理解等多个领域的交叉课题，其主要是通过提取图像的底层特征（纹理、形状、颜色）利用图像间的相似度匹配实现图像检索。
　　随着优化理论的快速发展，群智能优化算法也成为一个研究的热点，在很多领域上都得到了广泛的应用，其中粒子群优化算法为传统优化算法所面临的难题如组合优化问题、复杂函数（多极值）提供了一种快速高效的解决方法。
　　然而，又由于图像底层特征目前尚无能力完全辨别出图像中所包含的物体，如何把人的主观意见加入到图像检索中是CBIR的重要研究课题之一，随着信息检索技术的发展，在20世纪90年代相关反馈技术引入到图像检索中，为减小高层语义概念同底层特征之间的“语义鸿沟”问题提供了一种有效途径。
　　本文运用粒子群优化算法结合相关反馈，基于权重向量提出了两个基于内容的图像检索方法:
　　一是基于颜色直方图权重向量的相关反馈:基于PSO优化颜色直方图权重向量的正相关反馈框架、基于PSO优化颜色直方图权重向量的正负相关反馈框架;基于转化后的权重特征向量，我们首先确定用户的初始权重查询向量，再利用查询点移动公式，根据用户对前面输出结果的反馈意见来调整权重查询向量，使权重查询向量靠近正例远离反例，在此基础上对权重查询向量进一步优化，将更能接近用户的真实意图。
　　二是基于融合特征权重向量的相关反馈:基于PSO优化融合特征权重向量的正相关反馈框架、基于PSO优化融合特征权重向量的正负相关反馈框架。针对单一特征只能表达一幅图像的部分属性，通过融合纹理、形状和颜色的特征向量，获得纹理、形状和颜色的综合权重向量，采用粒子群(PSO)算法优化权重查询向量，得到最优并进行更新。
　　最后通过对自然图像库Corel1000进行对比实验，与相关算法及我们先前算法的检索性能进行比较，验证了我们算法的有效性，基于PSO的权重框架对自然图像有非常理想的检索效果，具有一定的优势。

目录

声明

摘要

第一章 绪论

§1．1 研究背景和意义

§1．2 图像检索技术国内外发展现状

§1．3 相关反馈

§1．4 群智能优化算法

§1．5 本文的主要工作和内容组织

第二章 图像特征提取

§2．1 图像的颜色特征

§2．2 图像的纹理特征

§2．3 图像的形状特征

§2．4 图像的相似度匹配技术

2．4．1 欧式距离

2．4．2 余弦距离

2．4．3 马氏距离

2．4．4 二次距离

2．4．5 直方图相交距离

第三章 基于粒子群优化权重向量的相关反馈

§3．1 引言

§3．2 背景知识介绍

3．2．1 TF×IDF模型

3．2．2 权重向量构成

3．2．3 粒子群优化算法

§3．3 基于PSO优化权重向量的相关反馈

3．3．1 基于PSO优化权重向量的正负相关反馈框架

3．3．2 基于PSO优化权重向量的正相关反馈框架

§3．4 实验与分析

3．4．1 实验

3．4．2 实验结果分析

§3．5 本章小结

第四章 基于融合特征权重向量的相关反馈

§4．1 引言

§4．2 纹理特征权重向量提取算法

§4．3 形状特征权重向量提取算法

§4．4 颜色特征权重向量提取算法

§4．5 融合权重特征相似度匹配

§4．6 实验与分析

4．6．1 与相关算法性能的比较

4．6．2 与基于PSO+和PSO±图像检索相关反馈算法性能的比较

4．6．3 实验检索结果示例分析

§4．7 本章小结

总结与展望

参考文献

致谢

攻读硕士学位期间参与的科研项目