• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 15
    • 下载费用:30 金币  

    重庆时时彩玩后二技巧: 一种用于交互式图像检索的特征矢量优化方法.pdf

    关 键 词:
    一种 用于 交互式 图像 检索 特征 矢量 优化 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201310752711.X

    申请日:

    2013.12.31

    公开号:

    CN103838821A

    公开日:

    2014.06.04

    当前法律状态:

    驳回

    有效性:

    无权

    法律详情: 发明专利申请公布后的驳回IPC(主分类):G06F 17/30申请公布日:20140604|||实质审查的生效IPC(主分类):G06F 17/30申请日:20131231|||公开
    IPC分类号: G06F17/30 主分类号: G06F17/30
    申请人: 中国传媒大学
    发明人: 叶龙; 夏烨; 张勤
    地址: 100024 北京市朝阳区定福庄东街1号
    优先权:
    专利代理机构: 北京三聚阳光知识产权代理有限公司 11250 代理人: 寇海侠
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201310752711.X

    授权公告号:

    ||||||

    法律状态公告日:

    2018.01.02|||2014.07.02|||2014.06.04

    法律状态类型:

    发明专利申请公布后的驳回|||实质审查的生效|||公开

    摘要

    本发明提供一种用于交互式图像检索的特征矢量优化方法,即通过引入图像可分性指标作为能量函数,将用于检索图像的特征矢量选择问题转化为最小化能量函数的优化问题,并结合模拟退火算法加以实现。同时,在特征矢量优化过程收敛后,通过优化特征矢量的提取和特征匹配实现基于内容的交互式图像检索,当用户根据检索结构选择相关图像和不相关图像后,根据用户的选择和计算实现相关反馈,直至寻找到最优的特征矢量用于检索系统以达到最佳的检索效果。图像的可分性可以用来评价特征矢量对于整个图像数据库中与待查询图像的相关图像集合与非相关图像集合的区分能力,使用模拟退火优化算法在每一次相关反馈过程中作为特征矢量优化工具,以求在达到优化目的的同时增加系统的普遍适用性。

    权利要求书

    权利要求书
    1.  一种用于交互式图像检索的特征矢量优化方法,其特征在于,包括:
    提取查询图像以及图像库中的图像的基本特征;
    将所述查询图像与图像库中的图像的特征进行匹配,并返回匹配结果;
    用户对结果中的图像进行判断,分别选择相关图像和不相关的图像,
    将根据用户的选择以及计算得到的向量作为初始解,所有返回图像的可分性的值作为能量函数,采用模拟退火算法进行矢量优化。

    2.  根据权利要求1所述的特征矢量优化方法,其特征在于,所述采用模拟退火算法进行矢量优化的过程,包括:
    (1)由初始解变换为新解;
    (2)计算与新解所对应的目标函数差;
    (3)依据接受准则判断新解是否被接受;
    (4)新解被接受时,用新解代替当前解,修正目标函数值,完成本次迭代,然后判断此时能量函数是否达到最小值,达到最小值则将此时的新解作为最优向量,否则转到步骤(2)继续下一次迭代;当新解被判定为舍弃时,在当前解的基础上转到步骤(2)进行下一次迭代。

    3.  根据权利要求1或2所述的特征矢量优化方法,其特征在于,所述能量函数为图像可分性评价函数,描述为:
    Separability=PM×H(P1|M,P2|M,...,Pm|M,...)
    其中,P1|M,P2|M...Pm|M...分别为边缘区域中各个图像由特征匹配度决定的概率值,H()表示熵值计算,PM为边缘区域的概率。

    4.  根据权利要求2或3所述的特征矢量优化方法,其特征在于,所述由初始解变换为新解时,通过对构成新解的全部或部分元素进行置换、互换。

    5.  根据权利要求2-4任一所述的特征矢量优化方法,其特征在于,所述 计算与新解所对应的目标函数差时,目标函数差的计算按照增量计算。

    6.  根据权利要求2-5任一所述的特征矢量优化方法,其特征在于,所述接受准则为设置一个判断阈值进行判断。

    7.  根据权利要求2-6任一所述的特征矢量优化方法,其特征在于,所述用新解代替当前解时,将当前解中对应于产生新解时的变换部分予以变换,同时修正目标函数。

    8.  根据权利要求2-7任一所述的特征矢量优化方法,其特征在于,在所述步骤(4)中,还设置有迭代次数阈值,当达到迭代次数后,优化完成,结束优化。

    说明书

    说明书一种用于交互式图像检索的特征矢量优化方法
    技术领域
    本发明涉及一种图像处理方法,具体地说是一种用于交互式图像检索的特征矢量优化方法。
    背景技术
    基于内容的图像检索,即CBIR(Content-based image retrieval),是计算机视觉领域中关注大规模数字图像内容检索的研究分支。典型的CBIR系统,允许用户输入一张图片,以查找具有相同或相似内容的其他图片。而传统的图像检索是基于文本的,即通过图片的名称、文字信息和索引关系来实现查询功能?;谀谌莸耐枷窦焖鳎–BIR)是一个已经应用在很多方面的很有趣并且很有挑战性的问题,Arnold W.M对2002年前发表的的200多篇关于CBIR的文章进行了总结归纳。从那以后,学者们尝试着从不同的方面去提高CBIR系统的性能。
    基于内容的图像检索(CBIR)系统一般分为3个???,特征提取,相似性比较和相关反馈。特征提取??榈闹饕饔檬嵌酝枷褡鲈ご砗吞卣魈崛?,这里的特征主要包括图像的颜色,纹理,形状等几个方面;相似性比较??橹饕üヅ洳檠枷裼胪枷窨庵型枷?,找到与输入图像最相似的图像;相关反馈是一个交互式查询过程,在此过程中,用户需要根据自身的需求对检索结果的相关性做一个判断,然后系统根据用户的判断动态地学习以便得到更好的检索结果。
    在Hoi提出了一种长短混合学习语义特征的方法。Barrett利用了半监督的学习和批处理模式的主动学习。Muneesawang应用了RBF方法,根据用户的反馈信息逐步调整模型。
    上述研究中,大部分的改进都是在模拟人类的视觉效应,但是仅仅依靠用户的反馈调整一些系数很难全面的模仿人类视觉。虽然SVM在机器学习领域已经取得了很大的成功,但是它在系数的选择方面仍旧很复杂。除此之外,数据库中包含的冗余信息将会影响分类的正确性。为了克服这个问题,ZhongSu利用了PCA方法在相关反馈时提取并且更新特征向量。然而PCA在数据之间有很强的线性关联的时候比较适用,当主成分之间的差异较小的时候,累积贡献率就真的很小,这时我们就要考虑其他的非线性的方法。
    在基于内容的图像检索系统中,特征提取是其中的核心,在明确了特征形式的基础上,该特征矢量的优劣取决于其能否在同类图像间体现矢量差异性最小化以及在不同类图像间体现矢量差异性最大化。
    在中国专利文献CN101770578A中公开了一种图像处理技术领域的图像特征提取方法,包括步骤为:提取图像中全部像素点的位置信息和颜色信息;对图像进行提取边缘区域的处理,得到边缘区域每个像素点的位置信息和颜色信息;对图像I的边缘区域提取颜色自相关特征,得到边缘区域的颜色自相关图;对图像的全部区域提取边缘方向自相关特征,得到全局的边缘方向自相关图;对图像的全部区域内提取颜色自相关特征,得到全局的颜色自相关图;将三种自相关图进行特征前融合,得到图像的特征。该方案中通过特征融合来提供更加全面的基于图像结构的内容描述,但是当提取的这些特征不能很好的表达或区分该图像时,无法通过优化的方式来更好的来表征该图像的特征。
    发明内容
    为此,本发明所要解决的技术问题在于现有技术中的图像特征提取方法无法实现对特征向量的优化,从而提出一种基于图像可分性的用于交互式检图像检索的特征矢量优化方法。
    为解决上述技术问题,本发明的提供一种用于交互式图像检索的特征矢量优化方法,包括:
    提取查询图像以及图像库中的图像的基本特征;
    将所述查询图像与图像库中的图像的特征进行匹配,并返回匹配结果;
    用户对结果中的图像进行判断,分别选择相关图像和不相关的图像,
    将根据用户的选择以及计算得到的向量作为初始解,所有返回图像的可分性的值作为能量函数,采用模拟退火算法进行矢量优化。
    所述的特征矢量优化方法,所述采用模拟退火算法进行矢量优化的过程,包括:
    (1)由初始解变换为新解;
    (2)计算与新解所对应的目标函数差;
    (3)依据接受准则判断新解是否被接受;
    (4)新解被接受时,用新解代替当前解,修正目标函数值,完成本次迭代,然后判断此时能量函数是否达到最小值,达到最小值则将此时的新解作为最优向量,否则转到步骤(2)继续下一次迭代;当新解被判定为舍弃时,在当前解的基础上转到步骤(2)进行下一次迭代。
    所述的特征矢量优化方法,所述能量函数为图像可分性评价函数,描述为:
    Separability=PM×H(P1|M,P2|M,...,Pm|M,...)
    其中,P1|M,P2|M...Pm|M...分别为边缘区域中各个图像由特征匹配度决定的概率值,H()表示熵值计算,PM为边缘区域的概率。
    所述的特征矢量优化方法,所述由初始解变换为新解时,通过对构成新解的全部或部分元素进行置换、互换。
    所述的特征矢量优化方法,所述计算与新解所对应的目标函数差时,目标函数差的计算按照增量计算。
    所述的特征矢量优化方法,所述接受准则为设置一个判断阈值进行判断。
    所述的特征矢量优化方法,所述用新解代替当前解时,将当前解中对应 于产生新解时的变换部分予以变换,同时修正目标函数。
    所述的特征矢量优化方法,在所述步骤(4)中,还设置有迭代次数阈值,当达到迭代次数后,优化完成,结束优化。
    本发明的上述技术方案相比现有技术具有以下优点,
    (1)本发明的提供一种用于交互式检图像检索的特征矢量优化方法,通过特征提取和特征匹配实现基于内容的交互式图像检索,当用户根据检索结构选择相关图像和不相关图像后,根据用户的选择和计算修改查询向量,并将其作为模拟退火算法的初始解,采用模拟退火算法进行能量最小化搜索。图像的可分性可以用来评价特征的表征能力,为了寻找到最优的特征向量用于检索系统以达到最佳的检索效果,本文使用了模拟退火优化算法,它可以在固定时间内寻求在一个大的搜寻空间内找到的最优解,使用这样的非线性方法以求在达到优化目的的同时增加系统的普遍适用性。在应用模拟退火算法的特征矢量优化过程中,本文以图像可分性的值作为能量函数,当能量函数达到最小值时,得到了最优的特征矢量并将其作为相关反馈的输入,最大程度上满足了用户的需求。
    (2)本发明的提供一种用于交互式检图像检索的特征矢量优化方法,采用模拟退火算法进行矢量优化的过程,模拟退火是一种通用概率算法,用来在固定时间内寻求在一个大的搜寻空间内找到的最优解。模拟退火算法的基本思想是从选定的初始解开始,再借助于控制参数递减时产生的一系列Markov链,利用一个随机产生新解的方案和接受准则,重复进行”产生新解-计算目标函数差-判断是否接受新解-接受或舍弃新解”,不断对当前的解迭代,使能量函数达到最小化,从而使目标函数达到最优,将此时的解作为最优的特征矢量,从而实现了特征矢量的优化。
    附图说明
    为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中
    图1是本发明所述的特征矢量优化方法的一个实施例的框架结构图;
    图2是本发明所述的特征矢量优化方法的一个实施例的图像可分性示意图;
    图3(a)和图3(b)是本发明所述的特征矢量优化方法的一个实施例的图像可分性在基于内容的检索系统中的应用示意图;
    图4是本发明所述的特征矢量优化方法的一个实施例中优化特征矢量前图像可分性的值的示意图;
    图5(a)和图5(b)是本发明所述的特征矢量优化方法的一个实施例中特征优化过程示意图;
    图6(a)和图6(b)是本发明所述的特征矢量优化方法的一个实施例中检索结果对比图;
    图7(a)和图7(b)是本发明所述的特征矢量优化方法的一个实施例中与现有检索方法的检索性能比较图。
    具体实施方式
    本实施例中提供一种用于交互式图像检索的特征矢量优化方法,优化过程为:在特征提取部分获取各个图像的特征矢量,然后将每个图像的特征矢量与待查询图像的特征矢量进行特征匹配,根据总体的特征匹配度计算该特征矢量形式的图像可分性,图像可分性指标以及该特征矢量形式下的图像检索结果返回给用户端由用户进行相关反馈,系统根据反馈结果并结合模拟退火算法,以降低图像可分性指标为方向进行特征矢量形式的优化。
    1、特征提取
    提取查询图像以及图像库中的图像的基本特征。图像的特征具有复杂性和多样性,简单的文本描述因其主观性和二义性,无法满足检索的需要。图像的底层特征,如颜色、纹理、形状等,能够从人眼视觉的角度较好的反映出图像的内在特征,将内容丰富的图像信息用相对简单的特征向量进行表示,能够在很大程度上提高匹配速度。
    在对图像的特征进行提取后,会对这些特征进行处理和优化,如提取如 下特征信息:
    a、颜色直方图:实际上,它是对图像上所有像素的颜色值的一个统计。
    CH(i)=niN,i=0,1,...,K---(1)]]>
    其中ni是在颜色索引i上的颜色的数目,N是像素的总数,K是颜色的最大值。颜色直方图是根据公示1形成一个K维的向量,这里K是64。
    b、颜色矩:这个特征是每个像素上颜色值的n阶矩,本文中,n=1,2,和3.计算见公式
    μ(i)=1NΣi=1NPijσ(i)=(1NΣj=1N(Pij-μi)2)1/2---(2)]]>
    s(i)=(1NΣj=1N(Pij-μi)3)1/3---(3)]]>
    其中N是像素的数目,Pij是i行j列像素的值,颜色矩的计算复杂度非常的小,在本文中它是一个9维的向量。
    CM=[μR,δR,sR,μG,δG,sG,μB,δB,sB]     (4)
    c、纹理:纹理特征是通过gabor滤波器组提取的,它由4个尺度,6个角度的24个滤波器组成。2维gabor滤波器的核函数是:
    gmn=a-m×12πσ2exp(-x2+y22σ2)a>1---(5)]]>
    其中x’=a-m(xcosθ+ysinθ),y’=a-m(-xsinθ+ycosθ),θ=nπ/k,(n∈[0,k]),k是方向的个数。我们把滤波后的均值和方差作为特征向量。
    μmn=∫|wmn(x,y)|dxdy---(6)]]>
    σmn=∫(|wmn(x,y)-μmn|)2dxdy---(7)]]>
    其中μmn和σmn就是均值和方差部分,这样我们就组成了一个48维的特征向量:
    T=[ω0,0,ψ0,0,ω0,1,ψ0,1,......,ω4,6,ψ4,5]     (8)
    d、形状:形状的直接表示对于细节部分很敏感,很容易受物体和噪音的细微改变影响。但是,傅里叶变换却可以通过变换到频域而得到物体的一般特征,所以对于给定图像,本文先用canny算法得到它的轮廓图像,接着对其做傅里叶变换。我们选取在频域能量最大的前10维向量作为形状向量,如公示9,10所示。
    ξ(x)=Σk=0n-1canny(I(x))exp(-2πinjk)---(9)]]>
    S=[ξ1,ξ2,ξ3,…,ξ10]     (10)
    基于上述四种特征的组合,本章实验中的特征空间可以描述为:
    Flevel=<A,F>     (11)
    F=1NΣn=1N[CHn,CMn,Sn,Tn]---(12)]]>
    其中<.>表示内积的运算,F是131维的特征向量(颜色直方图64维,颜色矩9维,特征48维,形状10维,具体将在下个部分介绍),A是一个与F同维的二进制向量,根据Flevel中包含的信息,P(I|Flevel)为Flevel和fi(I)之间相似性的概率描述,像公式中介绍的一样。其中fi()是给定图像的特征提取函数,||·||2表示ζ-2范数,c是归一化系数。
    P(I|Flevel)=c&CenterDot;e||Flevel-flevel(I)||22δ---(13)]]>
    在CBIR中,如何从其他图像中将查询类图像区分开是关键所在。图2中设计了一个简单的实验,建立一个15幅图像的数据库,左边的4幅图像描述的是海中的船,右边的5幅图像与模板有明显不同的背景,中间的图像比较复杂,模棱两可(但只有第5幅图像才是真正属于这个类的),能量分布的公式如下:
    Entropy=-ΣP(Ii|FLevel)logP(Ii|FLevel)=H(PA,PM,PP)+PA×H(P1|A,P2|A,...,Pa|A,...)+PM×H(P1|M,P2|M,...,Pm|M,...)+PR×H(P1|R,P2|R,...,Pr|R,...)---(14)]]>
    其中PA,PR和PM分别是接受,拒绝和边缘区域的概率,Pa|A,Pr|R,和Pm|M分别是这三个区域的条件概率。
    从图2中,我们可以看到CBIR系统的信息主要依赖于PMH(P1|M,P2|M...Pm|M...)的值,这个就引出了我们关于可分性的定义:
    Separability=PM×H(P1|M,P2|M,...,Pm|M,...)     (15)
    其中PA,PR和PM分别是接受、拒绝和边缘区域的概率,P1|M,P2|M...Pm|M...分别为边缘区域中各个图像由特征匹配度决定的概率值。H()表示熵值计算。在公式15的基础上,设定了接受和拒绝的阈值,边缘区的可分性的值从一级特征到4级特征呈现出了减小的趋势,这就意味着所有的图像更加容易被分类了。
    通过上述分析可以看出,两幅图像的可分性就是指两幅图像被分类的难易程度。首先,我们给定两幅图像I1和I2,在没有给定任何信息之前,他们服从均匀分布,p(I1)=p(I2)。分类或者检索的目的其实就是寻找两幅 图像的区别,使p(I1)≠p(I2).以图的第5和9两幅图像为例,首先我们根据船类的4幅图像(1-4)训练一个模板,提取颜色直方图,颜色矩,纹理,形状作为4个级别的特征向量。通过上述计算,可以得到能量分布和可分性的值,见公式(14)和(15).
    在上述公式15的基础上,设定了接受和拒绝的阈值,边缘区的可分性的值从一级特征到4级特征呈现出了减小的趋势,这就意味着所有的图像更加容易被分类了。由于设定了接受和拒绝的阈值,边缘区的可分性的值从一级特征到4级特征呈现出了减小的趋势,图像可分性的值越小,说明系统所依赖的信息量越小,也就是说模糊类的图像更加容易被分类了。如图3(a)和图3(b)所示,在搭建的检索系统中,首次检索返回的20张图像的的概率分布如图3(a)所示,此时无法确切的判断出模糊类图像的归属,但是在图像可分性的理论指导下重新优化检索,此20幅图像的概率发生了变化,如图3(b)所以,系统的信息熵发生了变化,达到了最小值,可以清楚地观察到,此时的图像可以很轻易地被分成同类图像和异类图像了。
    2、特征匹配
    将所述查询图像与图像库中的图像的特征进行匹配,并返回匹配结果。特征匹配的作用是将图像间的相似度转换为图像特征间的匹配程度,采用不同的特征描述方法和匹配算法就会得到不同的匹配效果。通过不同的匹配算法,将示例图像的特征与数据库中存储图像的特征进行比较,衡量出图像间的相似程度。由于街区距离计算简单(只有加减运算),特征匹配速度快,因此本文采用街区距离中的欧氏距离来度量两幅图像的相似性。
    3、相关反馈
    相关反馈是一个交互式查询过程,在此过程中,用户需要根据自身的需求对检索结果的相关性做一个判断。用户对结果中的图像进行判断,分别选择相关图像和不相关的图像。
    然后系统根据用户的判断动态地学习以便得到更好的检索结果,这其中 的典型算法有修改查询向量法,根据此算法,我们的检索系统应用Rocchio公式来修改查询向量,不断重复此过程会使检索结果越来越能满足用户的需求。检索系统中的关键是通过相关反馈这个交互式的操作来使特征优化,进而得到使用户满意的检索效果。
    本实施例中将根据用户的选择以及计算得到的向量作为初始解,所有返回图像的可分性的值作为能量函数,采用模拟退火算法进行矢量优化。
    在基于内容的图像检索系统中,选择的衡量目标就是图像之间的特征匹配,并最大化两类图像之间的距离,所优化得到的特征矢量就能够最大限度的实现图片的分类。本实施例中提出一种基于图像可分性的特征矢量优化算法,它会生成与用户正反馈图像拥有最大相似性的一个特征向量。它正是我们找寻的具有丰富的语义特性,又不失一般性的图像特征的描述。
    本实施例中模拟退火的优化过程为:
    (1)由一个产生函数从当前解产生一个位于解空间的新解;为便于后续的计算和接受,减少算法耗时,通常选择由当前新解经过简单地变换即可产生新解的方法,如对构成新解的全部或部分元素进行置换、互换等,注意到产生新解的变换方法决定了当前新解的邻域结构,因而对冷却进度表的选取有一定的影响。
    (2)计算与新解所对应的目标函数差。因为目标函数差仅由变换部分产生,所以目标函数差的计算最好按增量计算。事实表明,对大多数应用而言,这是计算目标函数差的最快方法。
    (3)判断新解是否被接受,判断的依据是一个接受准则,最常用的接受准则是Metropo1is准则:若Δt′<0则接受S′作为新的当前解S,否则以概率exp(-Δt′/T)接受S′作为新的当前解S。
    (4)当新解被确定接受时,用新解代替当前解,这只需将当前解中对应于产生新解时的变换部分予以实现,同时修正目标函数值即可。此时,当 前解实现了一次迭代??稍诖嘶∩献讲街瑁?)开始下一轮试验。而当新解被判定为舍弃时,则在当前解的基础上转到步骤(2)继续下一轮试验。
    本实施例中可将迭代次数设置为500次,500次后自动完成优化过程,此处的优化次数根据需要来设置。
    在上述交互式检索的过程中,用模拟退火算法去处理能量最小化问题。模拟退火是一种通用概率算法,用来在固定时间内寻求在一个大的搜寻空间内找到的最优解。模拟退火算法的基本思想是从选定的初始解开始,再借助于控制参数递减时产生的一系列Markov链,利用一个随机产生新解的方案和接受准则,重复进行”产生新解-计算目标函数差-判断是否接受新解-接受或舍弃新解”,不断对当前的解迭代,使能量函数达到最小化,从而使目标函数达到最优。
    根据可分性的概念,我们把131维特征向量F作为输入状态S,可分性的值作为能量函数E。当E至最小值Emin时,所对应的Soptimal就是最优的特征向量,此时库中的图像可以轻易的被分类。为了说明这个问题,在此设计了一个实验,如图4所示,选择了与图2中完全相同的15幅图像做优化。优化前的图像可分性的值如图4所示。
    经过模拟退火算法的优化,图像的能量分布发生了变化,如图5(a)和图5(b)所示??煞中栽诘谝患吨械闹凳?.8577,而图4的值为2.407,值明显的降低了。在图4中,第5幅图像在第4级中仍旧不能被接受,而在图5,第5幅图像在第一级的时候就已经被接受了。经过优化,数据库中的图像很容易的就可以被正确的分类。图5(a)和图5(b)中,基于Soptimal的分类比基于S的更加的有效。因此,可以将这种算法应用到了相关反馈环节。
    通过上述分析可看出模拟退火算法的过程实现的是一个优化特征矢量形式使可分性指标从S到Soptimal的过程。
    基于内容的图像检索中的图像特征的不变性与区别能力是相互对立的,目前还尚未行成一个统一的标准来很好的平衡各种特征表达能力上的差异?;谀谌莸耐枷窦焖魇腔谔卣飨嗨菩岳唇屑焖鞯?,由于不同特征在相似性的定义上也存在差异,所以怎样有效的组合多个特征,采用何种方法对图像相似性进行排序,这方面是研究过程的一个困难点。针对于这个问题,本实施例中根据图像可分性的概念,寻找到一个统一的标准来很好的平衡各种特征表达能力上的差异,图像的可分性值越小,图像的特征表达能力越强,图像群越容易被分类。
    本实施例中以图像可分性概念为指导,利用模拟退火算法,实现了用于图像检索的特征向量的最优提取。图像的可分性可以用来评价特征的表征能力,为了寻找到最优的特征向量用于检索系统以达到最佳的检索效果,本实施方式中使用了模拟退火优化算法,它可以在固定时间内寻求在一个大的搜寻空间内找到的最优解,使用这样的非线性方法以求在达到优化目的的同时增加系统的普遍适用性。在应用模拟退火算法的特征矢量优化过程中,本文以图像可分性的值作为能量函数,当能量函数达到最小值时,得到了最优的特征矢量并将其作为相关反馈的输入,最大程度上满足了用户的需求。
    为了证明本实施方式中所提出特征矢量优化方法的能够达到一定的有益效果,在此设计了一个实验,实验中使用的图像库中共有1000张图像(100类),在相关反馈环节,用户判断检索结果是否与查询图像属于同一类,根据用户的选择得到初始解S,所有返回图像的可分性的值作为能量函数E,利用优化后的Soptimal做更深入的检索。每次在执行相关反馈的时候,我们都用这种方法不断更新最优的特征向量Soptimal,直到得到令人满意的检索结果。
    图6(a)和图6(b)说明了基于方法的反馈迭代,系统返回20幅图像作为检索结果,使用查询精度P来衡量系统的好坏。比较图6(a)和6(b),图6(a)为首次检索结果,图6(b)是相关反馈后的检索结果。图6(a)中的检索正确率为50%,而在图6(b)中,可以达到100%。本文的方法很明显的提高了检索的正确率。图7将本实施例中方法的实验结果与通过其他 方法得到的检索结果做了比较,其中用到的查询图像和图2中的相同。
    本发明提供的用于交互式图像检索的特征矢量优化方法,根据对图像可分性的概念,通过最小化图像可分性函数实现了用于图像检索的特征向量的最优提取,其检索性能上也体现出一定的优势。
    本发明提供一种用于交互式图像检索的特征矢量优化方法,即通过引入图像可分性指标作为能量函数,将用于检索图像的特征矢量选择问题转化为最小化能量函数的优化问题,并结合模拟退火算法加以实现。同时,在特征矢量优化过程收敛后,通过优化特征矢量的提取和特征匹配实现基于内容的交互式图像检索,当用户根据检索结构选择相关图像和不相关图像后,根据用户的选择和计算实现相关反馈,直至寻找到最优的特征矢量用于检索系统以达到最佳的检索效果。图像的可分性可以用来评价特征矢量对于整个图像数据库中与待查询图像的相关图像集合与非相关图像集合的区分能力,使用模拟退火优化算法在每一次相关反馈过程中作为特征矢量优化工具,以求在达到优化目的的同时增加系统的普遍适用性。
    显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的?;し段е?。

    关于本文
    本文标题:一种用于交互式图像检索的特征矢量优化方法.pdf
    链接地址://www.4mum.com.cn/p-6147516.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 四肖三期必開79876 上海快三计划软件免费下载 飞艇大小全天精准计划 双色球选号规律口诀 玩时时彩怎么稳赚两百 快3怎么猜大小 怎样买极速快3 时时彩平刷稳赚lm0 欧洲秒速时时 时时彩直播现场开奖网站 江苏时时代理 pk10冠亚和值公式算 怎样买11选5稳赚不赔 pk10冠军三期必中方法 必中快三计划安卓版 稳赚平特肖两期开一期