一种基于烟花算法的图像检索方法和系统技术方案

技术编号:18445137 阅读:6 留言:0更新日期:2018-07-14 10:28
本发明专利技术公开一种基于烟花算法的图像检索方法和系统。所述检索方法包括:获取目标图像和多个待检索图像;分别提取所述目标图像的第一特征和各所述待检索图像的第二特征;根据所述第一特征和所述第二特征获取所述目标图像和所述多个待检索图像的相似度;根据烟花算法对所述相似度进行优化,获取最优相似度;根据所述最优相似度获取与所述目标图像最相似的待检索图像。采用烟花算法寻找最优相似度,计算复杂度低,计算速度快,能跳出局部最优的能力,从而提升了图像检索的准确度。

An image retrieval method and system based on fireworks algorithm

The invention discloses an image retrieval method and system based on fireworks algorithm. The retrieval method includes: obtaining a target image and a plurality of images to be retrieved; extracting the first feature of the target image and second features of each of the images to be retrieved respectively; obtaining the similarity between the target image and the plurality of the images to be retrieved according to the first feature and the second feature, and according to the fireworks algorithm, The similarity degree is optimized to obtain the optimal similarity degree, and the desired image retrieved from the target image is obtained according to the optimal similarity degree. Using the fireworks algorithm to find the optimal similarity, the computation complexity is low, the calculation speed is fast, the ability to jump out of the local optimal, thus improving the accuracy of the image retrieval.

【技术实现步骤摘要】
一种基于烟花算法的图像检索方法和系统
本专利技术涉及图像检索领域,特别是涉及一种基于烟花算法的图像检索方法。
技术介绍
在图像检索问题中,要想提升检索的准度和精确度主要的改进在特征提取和相似度的匹配上。针对图像特征提取方面,由于提取的图像的特征均源于图像中的颜色、纹理、形状等,方法相对固定。针对相似度匹配的问题,很多研究者通过智能算法来来实现相似度的优化,例如粒子群算法在这方面应用较多。粒子群算法优势在于其模型所包含的参数较少,操作方便,但是粒子群算法的搜索过程主要是根据当前全局最优解和个体历史最优解来搜索最优解的,种群个体在算法迭代多次之后会逐渐同质化,搜索空间缩小,导致算法容易陷入局部最优解,出现算法后期搜索精度不高的缺点。烟花算法具有寻优能力强,计算复杂度低,计算速度快,能跳出局部最优的能力,将该算法应用到相似度的匹配上,能够提升图像检索的准确度。
技术实现思路
本专利技术的目的是提供一种基于烟花算法的图像检索方法和系统,从而提高图像检索的准确度。为实现上述目的,本专利技术提供了如下方案:一种基于烟花算法的图像检索方法,所述检索方法包括:获取目标图像和多个待检索图像;分别提取所述目标图像的第一特征和各所述待检索图像的第二特征;根据所述第一特征和所述第二特征获取所述目标图像和所述多个待检索图像的相似度;根据烟花算法对所述相似度进行优化,获取最优相似度;根据所述最优相似度获取与所述目标图像最相似的待检索图像。可选的,所述根据烟花算法对所述相似度进行优化,获取最优相似度,具体包括:将所述相似度值代入到烟花算法中,所述特征对应烟花,所述相似度对应所述烟花的适应度;计算所述烟花中每个烟花的适应度值,并选出适应度值最大的烟花作为当前最优烟花;判断所述当前最优烟花的适应度值是否大于或者等于适应度阈值,获得第一判断结果;若所述第一判断结果表示所述当前最优烟花的适应度值大于或者等于适应度阈值,则根据所述当前最优烟花的位置确定所述特征;若所述第一判断结果表示所述当前最优烟花的适应度值小于适应度阈值,则对所述烟花进行位移处理,并计算所述位移处理后的烟花的适应度值;判断所述位移处理后的烟花的适应度值是否大于所述位移处理前的烟花的适应度值,获得第二判断结果;若所述第二判断结果表示位移处理后的烟花的适应度值大于位移处理前的烟花的适应度值,则用位移处理后的烟花代替与所述位移处理后的烟花对应的位移处理前的烟花;若所述第二判断结果表示位移处理后的烟花的适应度值小于或者等于位移处理前的烟花的适应度值,则保留与所述位移处理后的烟花对应的位移处理前的烟花;根据各个所述第二判断结果更新烟花,并更新所述烟花的迭代次数;计算更新后的烟花中的每个烟花的适应度值,并将更新后的适应度值最大的烟花作为当前最优烟花;判断所述迭代次数是否达到迭代阈值,获得第三判断结果;若所述第三判断结果表示所述迭代次数未达到迭代阈值,则返回所述步骤“判断所述当前最优烟花的适应度值是否大于或者等于适应度阈值”;若所述第三判断结果表示所述迭代次数达到迭代阈值,则停止迭代。可选的,所述分别提取所述目标图像的第一特征和各所述待检索图像的第二特征,具体包括:采用特征提取算法从所述目标图像中提取出多个特征,各个所述特征以向量的形式保存起来并进行归一化,得到特征向量集合为Sa={Sa1,Sa2,...,Saj},其中j是从所述目标图像中提取出的特征个数,j≥1;采用特征提取算法从所述待检索图像中提取出多个特征,各个所述特征数以向量的形式保存起来并进行归一化,得到特征向量集合为St={St1,St2,..,Stj},其中j是从所述目标图像中提取出的特征个数,j≥1。可选的,所述根据所述第一特征和所述第二特征获取所述目标图像和所述多个待检索图像的相似度,具体包括:根据下列公式计算所述目标与所述待检索图像的相似度:其中,Dl(a,t)表示为所述目标与所述待检索图像的相似度,M表示特征的维度,Sal(m)表示为所述目标图像中的特征,Stl(m)表示为所述待检索图像中与所述目标图像中特征Sal(m)对应的特征。为实现上述目的,本专利技术还提供了如下方案:一种基于烟花算法的图像检索系统,其特征在于,所述检索系统包括:图像获取模块,用于获取目标图像和多个待检索图像;特征提取模块,用于分别提取所述目标图像的第一特征和各所述待检索图像的第二特征;相似度获取模块,用于根据所述第一特征和所述第二特征获取所述目标图像和所述多个待检索图像的相似度;最优相似度获取模块,用于根据烟花算法对所述相似度进行优化,获取最优相似度;待检索图像确定模块,用于根据所述最优相似度确定与所述目标图像最相似的待检索图像。可选的,所述最优相似度获取模块,具体包括:映射单元,用于将所述相似度值代入到烟花算法中,所述特征对应烟花,所述相似度对应所述烟花的适应度;第一适应度值获取单元,用于计算所述烟花中每个烟花的适应度值,并选出适应度值最大的烟花作为当前最优烟花;第一判断结果获取单元,判断所述当前最优烟花的适应度值是否大于或者等于适应度阈值,获得第一判断结果;若所述第一判断结果表示所述当前最优烟花的适应度值大于或者等于适应度阈值,则根据所述当前最优烟花的位置确定所述特征;若所述第一判断结果表示所述当前最优烟花的适应度值小于适应度阈值,则对所述烟花进行位移处理,并计算所述位移处理后的烟花的适应度值;第二判断结果获取单元,判断所述位移处理后的烟花的适应度值是否大于所述位移处理前的烟花的适应度值,获得第二判断结果;若所述第二判断结果表示位移处理后的烟花的适应度值大于位移处理前的烟花的适应度值,则用位移处理后的烟花代替与所述位移处理后的烟花对应的位移处理前的烟花;若所述第二判断结果表示位移处理后的烟花的适应度值小于或者等于位移处理前的烟花的适应度值,则保留与所述位移处理后的烟花对应的位移处理前的烟花;更新单元,用于根据各个所述第二判断结果更新烟花,并更新所述烟花的迭代次数;第二适应度值获取单元,用于计算更新后的烟花中的每个烟花的适应度值,并将更新后的适应度值最大的烟花作为当前最优烟花;第三判断结果获取单元,用于判断所述迭代次数是否达到迭代阈值,获得第三判断结果;若所述第三判断结果表示所述迭代次数未达到迭代阈值,则返回所述步骤“判断所述当前最优烟花的适应度值是否大于或者等于适应度阈值”;若所述第三判断结果表示所述迭代次数达到迭代阈值,则停止迭代。可选的,所述特征提取模块,具体包括:第一特征提取单元,用于从所述目标图像中提取出多个特征;第一归一化单元,用于各个所述特征以向量的形式保存起来并进行归一化,得到特征向量集合为Sa={Sa1,Sa2,...,Saj},其中j是从所述目标图像中提取出的特征个数,j≥1;第二特征提取单元,用于从所述待检索图像中提取出多个特征;第二归一化单元,用于各个所述特征数以向量的形式保存起来并进行归一化,得到特征向量集合为St={St1,St2,..,Stj},其中j是从所述目标图像中提取出的特征个数,j≥1。可选的,所述相似度获取模块,用于根据下列公式计算所述目标与所述待检索图像的相似度:其中,Dl(a,t)表示为所述目标与所述待检索图像的相似度,M表示特征的维度,Sal(m)表示为所述目标图像中的特征,Stl(m)表示为所述本文档来自技高网...

【技术保护点】
1.一种基于烟花算法的图像检索方法,其特征在于,所述检索方法包括:获取目标图像和多个待检索图像;分别提取所述目标图像的第一特征和各所述待检索图像的第二特征;根据所述第一特征和所述第二特征获取所述目标图像和所述多个待检索图像的相似度;根据烟花算法对所述相似度进行优化,获取最优相似度;根据所述最优相似度获取与所述目标图像最相似的待检索图像。

【技术特征摘要】
1.一种基于烟花算法的图像检索方法,其特征在于,所述检索方法包括:获取目标图像和多个待检索图像;分别提取所述目标图像的第一特征和各所述待检索图像的第二特征;根据所述第一特征和所述第二特征获取所述目标图像和所述多个待检索图像的相似度;根据烟花算法对所述相似度进行优化,获取最优相似度;根据所述最优相似度获取与所述目标图像最相似的待检索图像。2.根据权利要求1所述的基于烟花算法的图像检索方法,其特征在于,所述根据烟花算法对所述相似度进行优化,获取最优相似度,具体包括:将所述相似度值代入到烟花算法中,所述特征对应烟花,所述相似度对应所述烟花的适应度;计算所述烟花中每个烟花的适应度值,并选出适应度值最大的烟花作为当前最优烟花;判断所述当前最优烟花的适应度值是否大于或者等于适应度阈值,获得第一判断结果;若所述第一判断结果表示所述当前最优烟花的适应度值大于或者等于适应度阈值,则根据所述当前最优烟花的位置确定所述特征;若所述第一判断结果表示所述当前最优烟花的适应度值小于适应度阈值,则对所述烟花进行位移处理,并计算所述位移处理后的烟花的适应度值;判断所述位移处理后的烟花的适应度值是否大于所述位移处理前的烟花的适应度值,获得第二判断结果;若所述第二判断结果表示位移处理后的烟花的适应度值大于位移处理前的烟花的适应度值,则用位移处理后的烟花代替与所述位移处理后的烟花对应的位移处理前的烟花;若所述第二判断结果表示位移处理后的烟花的适应度值小于或者等于位移处理前的烟花的适应度值,则保留与所述位移处理后的烟花对应的位移处理前的烟花;根据各个所述第二判断结果更新烟花,并更新所述烟花的迭代次数;计算更新后的烟花中的每个烟花的适应度值,并将更新后的适应度值最大的烟花作为当前最优烟花;判断所述迭代次数是否达到迭代阈值,获得第三判断结果;若所述第三判断结果表示所述迭代次数未达到迭代阈值,则返回所述步骤“判断所述当前最优烟花的适应度值是否大于或者等于适应度阈值”;若所述第三判断结果表示所述迭代次数达到迭代阈值,则停止迭代。3.根据权利要求1所述的基于烟花算法的图像检索方法,其特征在于,所述分别提取所述目标图像的第一特征和各所述待检索图像的第二特征,具体包括:采用特征提取算法从所述目标图像中提取出多个特征,各个所述特征以向量的形式保存起来并进行归一化,得到特征向量集合为Sa={Sa1,Sa2,...,Saj},其中j是从所述目标图像中提取出的特征个数,j≥1;采用特征提取算法从所述待检索图像中提取出多个特征,各个所述特征数以向量的形式保存起来并进行归一化,得到特征向量集合为St={St1,St2,..,Stj},其中j是从所述目标图像中提取出的特征个数,j≥1。4.根据权利要求3所述的基于烟花算法的图像检索方法,其特征在于,所述根据所述第一特征和所述第二特征获取所述目标图像和所述多个待检索图像的相似度,具体包括:根据下列公式计算所述目标与所述待检索图像的相似度:其中,Dl(a,t)表示为所述目标与所述待检索图像的相似度,M表示特征的维度,Sal(m)表示为所述目标图像中的特征,Stl(m)表示为所述待检索图像中与所述目标图像中特征Sal(m)对应的特征。5.一种基于烟花算法的图像检索系统,其特征在于,所述检索系统包括:图像获取模块,用...

【专利技术属性】
技术研发人员:王春枝周方禹叶志伟任紫扉潘尚陈颖哲吴盼王毅超蔡文成王鑫张鸿鑫
申请(专利权)人:湖北工业大学
类型:发明
国别省市:湖北,42

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