自组织神经网络实现基于内容图片识别.pdfVIP

第J7卷第4捌 宁波工程学院学报 Vol17No4 2005年12月 JOURNA【0FNINGBOUNTVERSITY0FTECHNOI．0GY 自组织神经网络实现基于内容的图片识别 朱南丽 (宁波工程学院．浙江宁波3】5叭6) 摘要：本文总结了一种蜜现基于内客的图片识别(cBIR)的方法，这种识别方法可以基于图片本身的内容进行图 片的查找。为了实现图片的聚类及相关图片的查找，本文采用了Kol0nen自组织神经网络。 关键词：基于内容的图片识别(cBIR)；自组织神经阿络(sOM)；神经网络(NN) 4 中图分类号：TP317 文献标识码：A 文奄编号：1008—7109(2005)04一∞25—03 在图片数据库中进行基于内容的图片获取是…项长期处于研究状态的项鼠。随着越来越多的可视 信息的创建，数字化的图片及图像库得以广泛应用，但获取和浏览这些大量增长的信息的技术仍是有限 且不成熟的。近年来许多项目陆续开展起来，研究和开发基于内容的图片获取的有效系统，其中最著名 的是由IBM阿尔马登研究中心开发的QBIc(Que。yByIm89econtent)。 本文试图采用人工智能技术中的神经网络(NN)达成基于内容的图像识别。有一种神经网络是无 指导的，它被认为可能是最为接近人类大脑的工作模式的模型。这种神经网络称为自组织神经网络 (sOM)，源于其始创者的名字。 l自组织神经网络 自组织神经网络对于数据聚类并使其具有可见性有很大帮助，图l展示了它的基本结构。它由输 入神经元和网络神经元组成，每个输入神经元都与所有的网络神经元相连，而网络神经元之间没有任何 联系。每个网络神经元都有相应的特征向量，特征向量的长度与输入神经元数一致。因此．图1中的每 个网络神经元都有一个长度为3的特征向量。 这种神经网络对实现色彩分组很有帮助，其中的3 个输人神经元(以及每个网络神经元所具有的特征向 量)可以用来代表一种色彩的RGB值，而4×4的神经网 络可以用来代表16个不同的色彩分类。当然，我们并不 需要明确这16个色彩分类的具体形态。如果所给的输 入是从整个光谱中随机产生的，那么最后每一个网络神 经元中将包含诸如ROYGBIV的高级别的色彩。最终， 我们希望红、藏、绿处于网络的角落．其他的的颜色则分 布其间，比如黄色在蓝色与绿色之问。但是，如果所给的 输入是不同深浅的红色，那么它将只对红色的不同深浅 程度进行聚类。可能左上角是深红色，而右下角则是浅 粉色，在这两角之间分布着各种不同深浅的红色。 斟1向绸织神经网络纂本结构 首先耍决定神经网络的结构。在色彩问题中，我们 可以c5；}定3个输入神经元和16个网络神经元，如图1所示。每【、网络州二’儿邮柏个长发为3的特征 向量，当神经网络还未被训练时，这些特征向量被初始化为一1到l之问的随机值。 收稿日期：2005—09—03 作者简介：朱南丽，女，宁波工程学院。 万方数据 2005 26 宁波工程学院学报 q一第4期 I 神经网络建立起来后，开始对之进行圳练。在色彩问题中，输人数据是随机的色彩。我们所需要做 化为一l到l之间的数值。神经网络于是以此为输入值．遍历网络神经元，找到其特征向量与之最为接 近的网络神经元。这个拥有最接近的特征向量的网络神经元称为最佳匹配单元(BMu)。这些BMu的 特征向量于是被调整得更接近于输入值。同时，BMu的周围网络神经元的特征向量也会得到相应调 整，离得越远的网络神经元，其特征向量的调整幅度越小。 对sOM的训练，通过供给输人数据进行，需要多次的反复(称为训练步数)。每经过一个圳练步， 有两个值要有所