【技术实现步骤摘要】
本专利技术涉及一种图像检索方法，尤其是涉及。
技术介绍
基于内容的图像检索是近几年来计算机图形图像以及人工智能领域研究的热点。 由于图像具有形象、直观、内容丰富等特点，接近人们的认知方式，进而成为不可或缺的多媒体内容。如果没有对图像等多媒体数据有效存储、检索的方法，大量信息将淹没在数据的海洋之中，而无法被人们识别和利用。因此，如何建立高效的图像检索机制成为迫切需要解决的问题。与日趋成熟的基于文字的图像检索方式相比，基于内容的检索方式更加符合人类对于图像的认知形式，并且能够更加充分的利用到图像本身所涵盖的信息。虽然近些年来基于内容的图像检索取得了一些成绩，但是距离满足人们的使用需求还有较大的差距。 对基于内容的检索而言，最大的困难在于对图像所包含的信息做出快速的，准确的数字化描述以及进行图像所涉及的语义的识别。当前，基于流形的图像描述方式受到了广泛的关注。其主要思想是将图像的特征信息转化为抽象的流形模型，进而嵌入到特定维度的流形空间之中，寻找一种从抽象流行空间到特征空间的映射。例如将图像的检索问题转化为在抽象流形空间的分类问题的做法。因为图像语义空间的维度很难被确定，语义表述的精确度也很难被界定，所以，从低层次的特征空间向高层次的语义空间做映射仍然是流形学习方法的难点。目前的检索机制在做基于内容的图像匹配的过程中，查全率和查准率相对比较偏低，用户通过内容检索很难得到满意的反馈效果。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供。本专利技术的目的可以通过以下技术方案来实现，其特征在于，该方法包括以下步骤1)在图像数据库中定义几何流形熵；...
【技术保护点】
１．一种基于快速智能禁忌搜索的图像检索方法，其特征在于，该方法包括以下步骤：１）在图像数据库中定义几何流形熵；２）通过快速智能禁忌搜索算法来获得最优回路Ｏｏｐｔ；３）将需要的检索图像Ｑ插入最优回路序列Ｏｏｐｔ中，根据检索图片在最优回路序列中插入的位置，重新计算插入后新回路序列的熵值，插入后的熵值较Ｓｏｐｔ的变化为ΔＳ，当ΔＳ为最小时，检索图像的插入点为其在最优回路序列Ｏｏｐｔ中的最终插入位置；４）根据欧几里德距离排序检索图像Ｑ在最优回路序列Ｏｏｐｔ中的邻近图像；５）将相似图像反馈给用户。
【技术特征摘要】
1.一种基于快速智能禁忌搜索的图像检索方法，其特征在于，该方法包括以下步骤1)在图像数据库中定义几何流形熵；2)通过快速智能禁忌搜索算法来获得最优回路0。pt；3)将需要的检索图像Q插入最优回路序列0。pt中，根据检索图片在最优回路序列中插入的位置，重新计算插入后新回路序列的熵值，插入后的熵值较S-的变化为AS，当AS为最小时，检索图像的插入点为其在最优回路序列0。pt中的最终插入位置；4)根据欧几里德距离排序检索图像Q在最优回路序列0。pt中的邻近图像；5)将相似图像反馈给用户。2.根据权利要求1所述的一种基于快速智能禁忌搜索的图像检索方法，其特征在于， 所述的步骤1)定义几何流形熵如下采用“数据的空间位置”和“流形的局部离散曲率”两方面来描述一个流形，即几何流形熵；具体来说，在m维的空间中，给定一组数据X= IxiIxi e Γ，i = 1,2, ... η}，首先定义一个长度为η并且没有自交叉的回路，对于X的每一种这样的回路根据连接点的下标可以记录为0 = (0l, O2, . . . on, O1)，这时定义X关于回路序列O的几何流形熵为S(X, 0) = P(X, 0)+G(X, 0)(1)如果嵌入流形的维度为一维，那么几何流形熵的空间位置组成部分表示为3.根据权利要求1所述的一种基于快速智能禁忌搜索的图像检索方法，其特征在于， 所述的步骤2、通过快速智能禁忌搜索算法来获得最优回路Oopt步骤如下(1)初始化禁忌时间、变异时间和禁忌列表H，设置当前回路序列和熵值为Ocm= O, Scur =S(X, 0)，设定最优序列和熵值为0。pt = Oc...
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。