改进k—means算法在图像标注和检索中的应用.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 2010，46(4) 183 改进k—means算法在图像标注和检索中的应用 潘 崇，朱红斌 PAN Chong，ZHU Hong-bin 丽水学院 计算机与信息工程学院，浙江 丽水 323000 ComputerandInformationEngineeringCollegeofLishuiUniversity，Lishui，Zhejiang323000，China E-mail：lspanchong@126．com PAN Chong，ZHU Hong-bin．Application ofimproved k-meansalgorithm in imageannotation and retrieva1．ComputerEn- gineeringandApplications 。2010．46(4)：183-185． Abstract：A novelmethod of image annotation and retrievalbased on improved k-means algorithm is proposed．First，image segmentation is applied to the training image；an improved k—means algorithm is proposed to cluster the segmented region．The improved 一meansalgorithm firstHsesthe genetic clusteringalgorithm to determine the numberofcluster ．and then chooses the clustering centers．At the time of image annotation，the correlation between image semantic concept and region cluster is established，and then itisusedasaprioriknowledgeand iscombinedwith the lowerfeatureoftheregion to annotate theun- annotated image．The system hasbeen testedon an image databaseofabout 1000 images．The experimentresults show thatthe proposedapproach hasa good retrievalperformance． Key words：imagesegmentation；genetic algorithm ；k-meansalgorithm；image annotation；image retrieval 摘 要：提 出一种基于改进的k-means算法的图像标注和检索方法。首先对训练图像进行分割，采用改进的k-means算法对分割 后的区域进行聚类。改进的k-means算法首先采用遗传聚类算法确定聚类数k，然后对聚类中心进行选择。在图像标注时，首先通 过 已标注的图像求出语义概念和聚类区域的关联度 ，用它作为待标注图像的先验知识 ，然后结合区域的低层特征，对未标注的图 像进行标注。在一个包含 l000幅图像的图像库进行实验，采用标注的语义关键字进行检索，结果表明，提 出的方法是有效的。 关键词：图像分割 ；遗传算法；一means算法；图像标注；图像检索 DOI：10．3778／j．issn．1002—8331．2010．04．058 文章编号：1002—8331(2010)04—0183—03 文献标识码：A 中图分类号：TP391．41 1 引言 注的图像求出语义概念和聚类区域的关联度，用它作为待标注 图像标注就是使用语义关键字对图像的语义内容进行描 图像的先验知识；然后结合区域的低层特征，对未标注的图像 述，进而将图像检索转变成一个文本检索的问题。采用手工标 进行标注；接着以标注的关键字对图像数据库进行检索。 注的方法在某些场合是有效的，但是采用手工方法用关键字标 注图像语义 ，由于用户对图像的理解不同，这样会存在标注的 2 基于 目标区域的特