基干人工神经网络图像检索平台策划与开发.docVIP

基于人工神经网络的图像检索平台的设计与开发 　　摘 要： 用户描述图像的高层抽象语义与图像内在的底层特征之间存在差异，此时仅依靠图像内容特征进行检索的系统无法准确完成用户的检索任务。针对以上问题，提出了使用神经网络进行图像的匹配计算方法，通过样例自动学习和用户反馈学习两种学习方式，形成图像底层特征到图像分类的正确映射，学习后的神经网络可以进行图像的自动分类及检索。该方法结合了图像的底层特征描述及用户的高层语义反馈，有效地弥补了语义鸿沟。最后，系统通过整合Web前端、图像提取模块、神经网络模块及数据库模块，实现了神经网络学习及图像检索的完整流程 关键词： 图像检索； 特征提取； 神经网络； 机器学习； 相关反馈 中图分类号： TN711?34； TM417 文献标识码： A 文章编号： 1004?373X（2016）21?0078?05 Design and development of image retrieval platform based on artificial neural network ZHANG Weihua， GAO Ang （Department of Information Engineering， Zhengzhou Chenggong University of Finance and Economics， Gongyi 451200， China） Abstract： Since the difference exists between the high?level abstract semantics and underlying feature of the user?description image， the retrieval system based on the image content feature can′t accurately accomplish the user′s retriecal task. To solve the above problem， an image matching calculation method based on neural network is proposed. The correct mapping from image low?level feature to image classification is formed by means of sample automatic learning and user feedback learning. The neural network after learning can classify and retrieve the image automatically. This method is combined with the image low?layer feature description and user high?level semantics feedback to effectively recover the semantic gap. The whole process of neural network learning and image retrieval was realized by integrating the Web front end， image extraction module， neural network module and database module. Keywords： image retrieval； feature extraction； neural network； machine learning； relevance feedback 在利用神经网络进行图像检索的过程中，图像的大小、精度及细节越来越丰富，信息含量相应的也越来愈多，当使用大量的信息进行神经网络的构建和训练时，所需的时间和成本都大大增加，并且神经网络的检索效率也会降低，这就使得其满足不了用户准确搜索图像的需求[1]。同时，随着神经网络技术的发展，可以利用各种改进技术提高神经网络的学习效率和预测准确率，使得利用神经网络来模拟人脑对图像的分类和检索可以得到更好的效果 1 图像特征的提取 系统使用图像分割方法对图像的形状特征进行描述，提取图像中各个部分的形状特征 1.1 形状特征的提取 使用K?均值聚类分割算法进行图像的分割。将图像分割后，由于每个簇中的像素在视觉特征上具有很强的相似性，因此对每一区域的特征进行简单的描述，提取相应的图像特征然后保存结果，并将其作为图像检索系统的区