一种基于形状与遗传算法图像检索方法.docxVIP

一种基于形状与遗传算法图像检索方法 摘要：人们在图像检索的过程中就希望能够简便、 快速、有效的检索出目标图像，从而顺利达到解决问题的目 的。但是随着互联网与多媒体技术的不断发展，数字图像数 据库已存储了大量的图像资源，因而这给人们快速、准确寻 找到所需图像并有效利用图像资源出了一个大难题。面对这 一情况，研究者们提出了一种基于遗传算法的内容图像检索 方法，利用其最优群体搜索的优势大大提高与缩短了图像检 索的精度与时间。在此，该文将着重分析一种基于形状和遗 传算法的图像检索方法。 关键词：遗传算法；图像检索；形状；内容；方法 中图分类号：TP312文献标识码：A文章编号： 1009-3044 (2014) 09-2026-02 当今是一个快餐式消费的时代，人们在高新科技的支持 下开始接触到大量的数字图像信息，通过这些丰富的图像资 源来了解世界以及解决工作需求。但是，面对存储量极大的 数字图像数据库，这给人们快速、准确寻找到所需图像并有 效利用图像资源出了 一个大难题，为此人们不懈的研究出多 种图像检索方法以攻克这一难题。据调查，当前主要以文本 方式的图像检索系统来满足人们对图像检索的需求，这种图 像检索系统是建立在图像文本关键词索引基础上，以相关数 据库技术做辅助来实现，简单易行，较为成功的案例有“谷 歌图像搜索引擎”。不过这种基于文本的图像检索方法存在 局限性，因图像文本信息具有多义性，个人对图像关键词的 理解有偏差，所以这在一定程度上会影响检索效果的准确 性。 对此，近些年的图像检索方法开始趋向于以内容为基准 的思路，通过提取图像特征（包括纹理、色彩、形状、空间 关系等）并建立图像特征矢量库，如此人们就可以通过这种 方法在图像数据库中检索出匹配图像。只是这种基于内容的 图像检索方法的有效性取决于图像的特征提取及匹配选择， 一般图像的特征提取与匹配选择使用一种有效的检索方法 从大量的图像特征中提出去最有效的特征。但由于现实中存 储在特征库中的图像多以向量形式为主，可能出现几十维、 上百维的特征向量存储，这不利于用户检索出最优特征的图 像。为解决这一不足，该文将尝试利用形状和遗传算法来优 化图像的特征提取，进而方便用户快速检索出最优匹配的图 像。 1遗传算法的编码过程 在基于内容的图像检索方法中运用遗传算法能够有效 提高检索效果的准确性，利于满足用户对图像检索提出的快 速、准确等高要求。而在检索过程中需要历经5大步骤来实 现：①首先在图像检索系统的图像库中随机抽取大于0幅的 S幅图像，这些图像将成为第1代样本群体，以交互式遗传 算法的标准向用户呈现样本；②系统根据用户搜索的对象需 求来提取出每幅图像，并由用户来评价第1代样本群体中的 图像；③这时，上一步骤中用户对图像的评价是系统计算出 每幅图像对应染色体适应度值的主要依据，而后通过选择、 交叉、变异等系列程序对第1代染色体图像群体进行遗传操 作，以便促成新一代染色体群体的生成；④系统依据新一代 群体的染色体状况从图像库中提取出数目为S的图像，进而 向用户呈现交互式遗传算法的新一代图像样本群体；⑤用户 在新一代样本群体中寻找所需图像，若找到匹配图像即可结 束检索，反之回到步骤②继续操作。不过，在交互式遗传算 法图像染色体的编码过程中，图像问题的解需由域空间转变 为遗传算法空间，所以需要兼顾重视到图像的物理特征及相 关遗传操作。 1.1图像颜色特征的抽取 图像作为一种以视觉特征为主的表现载体，颜色特征是 最容易简单、分辨的视觉特征之一，其独立在图像其他特征 （如尺寸、方向等）之外，不易受其他因素的干扰。因此， 在图像检索方法中以颜色特征为基准，将图像RGB颜色值作 为物理特征的首选，这是基于内容的图像检索方法的一大特 色。如以图像I为例，分辨率为［mXn］,像素p的位置处于 ［（i, j）］,其中（O［Wi 因此，在对一幅图像进行 形状特征抽取时，首先需要提取N个关键点，进而划分出图 像的N段曲线，通过上述方式计算的得出图像的结构系数M, 且（M=4N）。于是，每个曲线段都有e、g、p、q四个形状参 数，在提取图像矩特征、形状特征的过程中就可得出一组图 像的特征向量，即[f=[?l, ?2, ?3, ?4, ?5, ?6, ?7, ei, gi, pi, qi]; i=l, . . . , N]。 1.3基于遗传算法的特征提取 实际上，运用遗传算法来提取图像特征的原理与图像颜 色特征抽取、图像形状特征抽取的原理相似。首先，假设在 一幅图像的轮廓上选取8个关键点，那么这幅图像的轮廓就 由8个曲线段组成，按每个曲线段有4个形状参数来计算， 这幅图像共有32个形状参数，通过上述图像特征向量公式 可得出：[f=[?l, ?2, ?3, ?4, ?5, ?6, ?7, ei, gi, pi