一种基于粒子集群算法优化的彩色图像检索方法技术

技术编号:17796766 阅读:67 留言:0更新日期:2018-04-25 20:15
本发明专利技术公开了一种基于粒子集群算法优化的彩色图像检索方法,属于图像检索技术领域,本发明专利技术首先分别提取图像库中各个图像的底层特征并保存到图片特征库;然后为不同的图像特征描述分配不同的相似度度量公式;再通过PSO算法训练获得数据库相似度度量的权值;在进行图像检索处理时,对查询图像进行相应的底层特征的提取,并通过比对查询图像和目标数据库中提取特征的描述符,并基于训练好的相似度度量权值,对不同特征的相似度度量做统一排序,并返回前K张最相近的图片作为检索结果。与现有技术相比,本发明专利技术结合和优化了各种特征提取方式,通过对多个特征描述符的组合,提高了CBIR检索系统的检索精度。

A color image retrieval method based on particle swarm optimization algorithm

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准可以很好的提高系统的效果。除了图像特征提取之外,另一个难点就是对特征的组织建模。在数字图像的底层特征提取的过程中,有多种不同的建模方法。以颜色空间为例,对颜色空间建模的方式有RGB、HSV、CLEL*a*b*和CLEL*u*v*等不同的颜色模型。而对颜色量化又大体可以分为分割算法和聚类算法两种方式。分割算法的基本思想就是将图像中出现频率最高的M重色彩作为调色板,然后将其余颜色按照距离最近准则映射到调色板中,从而重构图像层次感。聚类算法则先选择若干个聚类中心,然后按照某种组合对颜色进行迭代聚类,直到找到最合适的聚类为止,常用的聚类方法有KMeans,模糊CMeans等。除此之外,还有对颜色空间实现大致划分,以HSV为例,将亮度按照饱和度划分为多个频段,统计各个频段的灰度数量。这种方法最常用的就是颜色直方图和色矩。形状特征描述提取常用方法有Freeman链码,曲率空间描述符,傅里叶描述符,小波描述符和边界矩阵。纹理分析方法是获取纹理定性和定量描述过程。纹理分析包括4种:统计分析方法,结构分析方法,模型分析和频谱分析方法。近些年来,局部二值模式(LocalBinaryPattern,LBP)是最常用的统计分析纹理特征的方法,由于LBP相对简单,计算量低,不受光照等因素的影响,因此在纹理分析和人脸识别方面用途广泛。模型分析方法包括Gibbs模型,马尔科夫模型(MarkovRandomField,MRF)等。频谱纹理分析方法中傅里叶变换,小波变换和Gabor变换等。尽管CBIR技术已经研究了几十年,但是仍有许多关键问题有待解决。总结下来主要包括三个方面:图像特征的有效提取、图片相似性以及非相似性的定义、底层图片特征和高层语意之间的语意鸿沟。因此,需要提供更加优化的算法,以弥补现阶段图像检索的不足,从而满足用户图像检索的实际多方位需求。
技术实现思路
本专利技术的专利技术目的在于:针对上述存在的问题,提供一种基于粒子集群算法优化的彩色图像检索方法,以提高图像检索方法的检索精度。本专利技术的基于粒子集群算法优化的彩色图像检索方法,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更新粒子位置、局部最优位置和全局最优位置,直到迭代收敛,并保存最近更新的粒子位置;其中检索精度为:检索结果中与查询图像匹配的被检索图像数量与数值K的比值;2、图像检索:提取当前查询图像的颜色特征、纹理特征和对象形状特征;并分别计算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;基于训练得到的权值ωc,ωt,ωs得到当前总相似度度量D=ωcDc+ωtDt+ωsDs;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并输出。综上所述,由于采用了上述技术方案,本专利技术的有益效果是:与现有技术相比,本专利技术结合和优化了各种特征提取方式,通过对多个特征描述符的组合,提高了CBIR检索系统的检索精度。采用融合多个特征的图像检索方式,可以把在各个特征上都相似的图像都检索出来,可以将用户的需求扩展到不同特征,并对这些特征计算出的相似度度量结果做统一的排序,按照相似度度量的大小顺序将结果返回给用户。本专利技术没有采用统一的相似度度量方式,而是针对不同的特征向量的不同结构方式采取不同的度量方法。不同的特征对图像的描述侧重点不同,本专利技术采用加权组合的方式,通过粒子集群算法获取最优的权值组合,获得最优相似度度量方式。附图说明图1是本专利技术的具体实施方式的框架流程图;图2是HSV颜色空间结构示意图;图3是Pseudo-ZernikeMoment形状特征提取示意图;图4是Gabor纹理特征提取示意图;图5是处理结果示意图,其中(5-a)为非洲居民,(5-b)为沙滩,(5-c)为建筑。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本专利技术作进一步地详细描述。本专利技术的基于粒子集群算法优化的彩色图像检索方法,根据目标数据库中单个图像的各种底层特征并归一化为特定长度的图像信息描述子,并将图像特征保存在特征数据库中建立起索引表。在用户执行图片搜索过程中,将作为检索词的图像进行的各种单低层特征提取,形成查询向量。如图1所示,通过查询特征向量和特征数据库中的特征向量进行相似度匹配,最后对检索到的图像结果进行统一方式排本文档来自技高网
...
一种基于粒子集群算法优化的彩色图像检索方法

【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更新粒子位置、局部最优位置和全局最优位置,直到迭代收敛,并保存最近更新的粒子位置;其中检索精度为:检索结果中与查询图像匹配的被检索图像数量与数值K的比值;2、图像检索:提取当前查询图像的颜色特征、纹理特征和对象形状特征;并分别计算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;基于训练得到的权值ωc,ωt,ωs得到当前总相似度度量D=ωcDc+ωtDt+ωsDs;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并输出。...

【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

网友询问留言 已有0条评论
  • 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。

1