The invention discloses a color image retrieval method based on the optimization of particle cluster algorithm. It belongs to the field of image retrieval technology. First, the invention first extracts the underlying features of each image in the image library and stores it to the image feature library, and then distributes different similarity measure formulas for different image features; and then through PS The O algorithm trains the weights of the similarity measure of the database. In the process of image retrieval, it extracts the corresponding underlying features of the query image and extracts the descriptors of the features by comparing the query image and the target database, and based on the trained similarity measure weight value, the similarity measure of different features is measured. Unify sorting and return the closest picture of K Zhang as the result of retrieval. Compared with the existing technology, the invention combines and optimizes various feature extraction methods, and improves the retrieval precision of the CBIR retrieval system by combining multiple feature descriptors.
【技术实现步骤摘要】
一种基于粒子集群算法优化的彩色图像检索方法
本专利技术属于图像处理和计算机视觉
,具体涉及一种彩色图像检索方法。
技术介绍
基于内容的图像检索方法(content-basedimageretrieval,CBIR)指的是查询条件本身就是一个图像,或者是对于图像内容的描述,其建立索引的方式是通过提取底层特征,然后通过计算比较这些特征和查询条件之间的距离,来决定两个图片的相似程度。从上个世纪70年代以来,基于内容的图像检索一直是一个热门研究领域,目前主流的搜索引擎都推出了自己的图片搜索功能。现有的CBIR技术主要以计算机视觉、模式识别、图像处理、图像理解等领域的知识为基础,再引入新的媒体数据表示方法和数据模型来对图片特征进行建模。与此同时,为了提高检索的精度,CBIR还逐渐涉及到认知科学、人工智能、人机交互、信息检索等领域,通过采用关联反馈和上下文分析等技术来对检索的结果进行优化,以便设计出性能可靠、运行高效的检索系统。在现有的技术中,如颜色、纹理、轮廓、形状、空间位置等底层图像特征属于较早使用且已经比较成熟的技术。在这些底层特征中,使用频率最高的特征是颜色、形状、纹理。不同的特征对图像信息的描述有不同的侧重点,仅用单个特征当作图像特征描述符的CBIR系统运用场景非常窄,不能适应现代社会关于图片检索系统的要求,因此引入了融合多个特征在CBIR方案。融合多种特征的CBIR系统带来了另一个问题,由于不同的特征在相似度匹配上有存在差异,采用统一的相似度度量标准来进行相似性判断是不准确的,可能会降低检索的效果。因此在融合多特征的CBIR系统中采用多个相似性度量标 ...
【技术保护点】
一种基于粒子集群算法优化的彩色图像检索方法,其特征在于,包括下列步骤:1、基于粒子集群算法训练相似度度量权重:101:将不同类型的查询图像作为训练样本,并提取训练样本的颜色特征、纹理特征和对象形状特征;所述颜色特征为:图像在HSV颜色空间的颜色直方图和颜色矩特征;所述纹理特征为:对图像采用实数部的Gabor进行Gabor滤波,提取滤波输出的均值和标准差;所述对象形状特征为:基于区域形状的对象形状特征提取法,提取图像的对象形状特征;102:提取图像库中各被检索图像的颜色特征、纹理特征和对象形状特征;103:采用粒子集群算法优化三类图像特征的相似度度量的权值:初始化颜色特征的相似度度量Dc的权值ωc,纹理特征的相似度度量Dt的权值ωt,对象形状特征的相似度度量Ds的权值ωs,并定义每个粒子的粒子位置为(ωc,ωt,ωs),其中0≤ωc,ωt,ωs≤1;初始化粒子数k,以及每个粒子的局部最优位置和粒子群的全局最优位置;每次以同种类型的n幅训练样本作为查询图像进行图像查询处理:分别计算每个训练样本与图像库中的各被检索图像间的颜色特征的相似度度量Dc、纹理特征的相似度度量Dt和对象形状特征的相似 ...
【技术特征摘要】
1.一种基于粒子集群算法优化的彩色图像检索方法,其特征在于,包括下列步骤:1、基于粒子集群算法训练相似度度量权重:101:将不同类型的查询图像作为训练样本,并提取训练样本的颜色特征、纹理特征和对象形状特征;所述颜色特征为:图像在HSV颜色空间的颜色直方图和颜色矩特征;所述纹理特征为:对图像采用实数部的Gabor进行Gabor滤波,提取滤波输出的均值和标准差;所述对象形状特征为:基于区域形状的对象形状特征提取法,提取图像的对象形状特征;102:提取图像库中各被检索图像的颜色特征、纹理特征和对象形状特征;103:采用粒子集群算法优化三类图像特征的相似度度量的权值:初始化颜色特征的相似度度量Dc的权值ωc,纹理特征的相似度度量Dt的权值ωt,对象形状特征的相似度度量Ds的权值ωs,并定义每个粒子的粒子位置为(ωc,ωt,ωs),其中0≤ωc,ωt,ωs≤1;初始化粒子数k,以及每个粒子的局部最优位置和粒子群的全局最优位置;每次以同种类型的n幅训练样本作为查询图像进行图像查询处理:分别计算每个训练样本与图像库中的各被检索图像间的颜色特征的相似度度量Dc、纹理特征的相似度度量Dt和对象形状特征的相似度度量Ds,并基于权值ωc,ωt,ωs对三种的相似度度量进行加权求和得到总相似度度量D;将前K个最大总相似度度量D所对应的被检索图像作为检索结果;基于当前检索精度迭代...
【专利技术属性】
技术研发人员:饶云波,刘伟,范柏江,宋佳丽,苟苗,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。