基于分块小波粒子群混合的图像智能检索.pdfVIP

稃 基于分块小波粒子群混合晌图像智雒植索 武昌工学院信息工程学院 李 勤 [摘 要]虽然许多基于颜色直方图的图像检索系统已相 当成熟，但其搜索质量却不尽如人意，为此本文提 出了一种分块小波直方图 与粒子群优化融合的新方法。该算法引入小波技术提高了特征提取的有效性，采用分块技术扩展 了图像检索性能，结合微粒群算法 进行智能搜索加快了算法的执行速度。实验结果证实，该算法对图像数据库的相似度搜索是切实可行且行之高效的，为大型图像数 据库的智能图像检索问题提供 了解决方案。 [关键词]分块小波变换 粒子群优化 图像相似度检索 颜色直方图 在当今的图像数据库系统中，相似度检索扮演着越来越重要的作 变化 ，变化范围较大，是因为该算法只考虑到整幅图像的直方图信息， 用。近年来 ，包括图像在内的各种多媒体数据的数量正以惊人的速度 而不考虑空间位置等其他信息，导致检索率低。 增长，如何提供一个有效的算法来快速、准确的查询这些具有丰富内涵 2．分块小波直方图算法 的图像信息成为当今检索领域的研究热点和难点。基于内容的图像检 传统的颜色直方图只记录颜色信息 ，因其稀疏 、容易受噪音影响， 索(ContentBasedImageRetrieval，CBIR)技术已成为解决这一问题的关 故检索精确度大打折扣，因此，一些直方图信息类似的图像其外观可能 键技术之一。该技术往往通过提取、比较图像的特定特征而完成检 有天壤之别。另外，颜色直方图不包含任何空间信息 ，导致算法的性能 索。这些特征主要通过图像像素的颜色分布u、图像中物体的性质 、图 较低。为了解决上述问题 ，我们将分块小波分块技术和直方图算法相 像的纹理 等表现出来。由于颜色旋转、标度的不变性以及尺寸 、方向 结合，在一定程度上提高检索结果。 的不敏感性等天然特性，使其成为图像检索系统中运用最为广泛的特 小波是将数据分成不同频率成分、然后使用与其标度匹配的分辨 征之一。 率对每个成分进行解读的数学函数。如果进行了多尺度小波变换，即 本文分析了当前基于直方图的图像检索系统有限的有效性 ，并提 可获得低频率 、高频率成分。借助于这些低频率、高频率矢量 ，即可测 出了分块图像小波变换法。小波变换能够将图像分解成若干具有不同 得相似度，从而了解了各层次的结构 。 频率的子图像 ，以提取整个图像的主要结构信息和细节信息，同时，图 图像相似度测量使用 的是分块小波直方 图法 (BlockingWave— 像的空间特征通过分块小波直方图法进行描述，以增强检索性能。 let—HistogramImageRetrieva1)，简称BWHIR算法。该方法将小波分块 近年来的研究证明，粒子群优化 (particleswarmoptimization，PSO) 与颜色直方图的欧氏距离相结合。具体的说就是将原始图像分割成N 是优化算法领域中强大的竞争者。它将图像检索描述为一个组合优化 个小块 ，分别对每个子块进行小波分解，取出分解后的低频信息部分， 问题，而适应度函数则描述为图像的相似性度量函数。适应度函数结 然后对每个子块中的低频部分分别计算子直方图值 ，将原始图像与待 合分块图像小波变换信息和颜色子直方图中的欧氏距离来计算。为了 比较的图像按子块进行直方图欧氏距离比较，最后计算各个子块距离 提高图像数据库的检索效率，本文提出了一个新的检索策略 ：将分块小 的平均值，即为两幅图像之间的分块小波距离值，距离值越小表示两幅 波技术和微粒群算法与一般的基于颜色直方图的图像检索算法相结 图像越相似，反之，两幅图像越不相似。图1是算例 l的2X2b／波分解。 合 ，得到基于微粒群和分块小波变换的图像检索新算法 (WPSOBIR)。 该算法引入小波技术提高了特征提取的有效性 ；采用分块技术提高了 图像检索性能；结合微粒群算法进行智能搜索加快了