基于人工免疫系统的自然图像分类算法与技术研究

摘要

网络和多媒体技术的飞速发展为数字图像的存储和传播提供了极大的便利，仅依靠人力无法完成海量图像数据的及时归档、组织和管理。如何利用如此众多的图像信息并从中定位感兴趣的材料，是对图像信息的查询技术提出的重大挑战。作为计算智能的一个崭新分支，AIS算法还没有一个通用的算法框架，而且免疫系统的许多优良特性还有待应用于AIS算法的设计与应用，人工免疫算法的发展和应用空间是相当广阔的。论文借鉴AIS在其它领域的用法，不断完善其对图像分类的应用。
　　 本文在相关理论与算法的基础上，提出了基于人工免疫系统的自然图像分类算法。设计了利用人工免疫算法进行自然图像分类之前，首先需要将待解决的问题抽象成符合它能处理的抗原形式。同时分析了抗原捕获和亲和度度量。进行了抗原刺激方式及识别策略与克隆选择与变异分析，最后进行了算例分析，算例环境选取了图像库由1000幅自然图像组成，包括非洲生活、车、恐龙、花、马、风景、食物、摩托车、飞机、人脸10类题材。通过分块权值与特征权值的分析，证明了本算法具有最高的平均正确率为88.68％，分类效果令人满意。提出了基于颜色分布熵的自然图像分类技术。首先论文分析了颜色空间分布熵，其次分析了图像信息熵，包括了颜色的空间分布熵、加权的空间分布熵与基于颜色分布熵的自然图像分类算法。为有效地利用两种特征进行图像分类，在度量向量相似性时可采用加权综合距离法。最后是技术实验分析，实验证明，该特征同时顾全了图像中颜色的整体特性和分布特征，比全局直方图和I-CDE具有更好的分类性能。而且相比I-CDE，该方法的计算复杂度更低，大大节约了提取特征的时间。AIS作为一种基于生物免疫系统的智能计算方法，为分类提供了一种新颖的解决方法和途径。在此基础上，引入了分块权值以消除熵对称性的影响。实验表明，结合分布熵与全局颜色直方图作为图像分类的特征向量，分类准确率有所提高。