基與結(jié)合遺傳算法結(jié)合的直覺(jué)模糊集的檢索方法(英文翻譯)

1、<p>　　北京理工大學(xué)，2009年卷。 18，第1號(hào)</p><p>　　基與結(jié)合遺傳算法結(jié)合的直覺(jué)模糊集的檢索方法</p><p>　　WAN G Xiao2yin (王瀟茵) 1 , 　XU Wei2hua (徐衛(wèi)華) 2 , 　HU Chang2zhen (胡昌振)</p><p>　　計(jì)算機(jī)網(wǎng)絡(luò)防御技術(shù)實(shí)驗(yàn)室，北京理工大學(xué)，北京100081，中國(guó)

2、;2。自動(dòng)化站的陸軍參謀航空系，北京100012，中國(guó)</p><p>　　摘要：本文提出了一種基于直覺(jué)模糊理論和遺傳算法相結(jié)合的新的圖像檢索方法,旨在解決舊的方法的缺點(diǎn)。每個(gè)圖像在垂直方向上被分割成一群數(shù)目恒定的子圖像。提取每個(gè)子圖像的顏色特征以得到染色體編碼。我們認(rèn)為，模糊的部分和直覺(jué)模糊猶豫程度與每個(gè)像素的彩色圖像直方圖有關(guān)。某些功能，圖像的模糊特征和直觀模糊特征，一起使用來(lái)描述圖像內(nèi)容。高效子圖像組合根

3、據(jù)選擇操作，交叉和變異被選出來(lái)。檢索的結(jié)果是根據(jù)從這些子圖像顏色特征組合而獲得的。測(cè)試結(jié)果表明這種方法可在不降低速度的情況下提高圖像檢索的精度。其平均精度在80％以上。</p><p>　　關(guān)鍵詞：直覺(jué)模糊，遺傳算法，顏色直方圖，圖像檢索</p><p>　　隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)迅速發(fā)展，有越來(lái)越多的信息在互聯(lián)網(wǎng)上傳播。形象是重要信息載體，圖像檢索技術(shù)成為研究的重點(diǎn)。圖像檢索最基礎(chǔ)的任

4、務(wù)是提取圖像特征。為了圖像內(nèi)容表示準(zhǔn)確，形象特征應(yīng)該有綜合性和完整性。但如果特征數(shù)量太多，那就不太好得到檢索結(jié)果。如何完全表達(dá)圖像和移除不影響檢索準(zhǔn)確度的無(wú)用特征是一個(gè)問(wèn)題。 利用模糊推理和遺傳算法可以一定程度上解決這個(gè)問(wèn)題。到目前為止，這個(gè)系統(tǒng)的圖像檢索仍然是罕見(jiàn)的。鄒用粗糙的設(shè)置計(jì)算最簡(jiǎn)單的圖像的視覺(jué)特征子集，并使用交互式遺傳算法評(píng)價(jià)圖像的功能[1]。楊用算法估計(jì)交叉概率和突變概率基于模糊推理技術(shù)[2]。 Soodamani

5、用基于先驗(yàn)知識(shí)和使用一個(gè)遺傳算法—范式系統(tǒng)反饋路徑的基礎(chǔ)學(xué)習(xí)，來(lái)設(shè)定一個(gè)特征模板。普遍的問(wèn)題是邏輯模糊和遺傳算法在優(yōu)化搜索路徑時(shí)不合適染色體編碼進(jìn)展。它使圖像特征表達(dá)忽視人類視覺(jué)的連續(xù)性和心理需要的認(rèn)定。在本文中，我們運(yùn)用直覺(jué)模糊編碼理論中的染色體遺傳算法進(jìn)行搜索路徑的優(yōu)化。它是根據(jù)圖像的顏色特征。 當(dāng)然，模糊性和色彩的直觀模糊特征也是被考慮的。然后選擇，交叉和變異用于有效地優(yōu)化圖像特征以提高圖像檢索系統(tǒng)。</p>&l

6、t;p>　　1 模型的圖像檢索系統(tǒng) 該系統(tǒng)包括圖像色彩特征表達(dá)，顏色特征的優(yōu)化和顏色匹配。遺傳算法應(yīng)用于特征優(yōu)化，其中包括染色體選擇，交叉和變異。流程圖如圖1。 </p><p>　　圖1 圖像檢索系統(tǒng)模型流程圖 首先，每個(gè)圖像在垂直方向分割成一組數(shù)量為常數(shù)的子圖像，該方法稱為“單位平均分割”[4]。圖片可以表示為每一個(gè)不同的組合的子圖像的集合。子圖像像素用模糊理論被表達(dá)出來(lái)并且有助于所

7、有顏色直方圖中的色彩因子的表達(dá)。然后直觀模糊集理論 被詮釋出來(lái)。因此，得到了模糊部分和每個(gè)象素的直觀的顏色模糊猶豫程度,這些都有一定的價(jià)值。所有這些特征形式構(gòu)成每個(gè)象素的色彩特征，每個(gè)象素的色彩特征在遺傳算法中完成圖像特征的編碼。然后通過(guò)選擇處理功能， 交叉和變異，得到有效的特征。 最后，圖像檢索進(jìn)度根據(jù)圖像的相似度, 通過(guò)圖像顏色特征的歐幾里德距離被完成。</p><p>　　2圖像檢索系統(tǒng)的算法</p&

8、gt;<p>　　2.1顏色特征的算法 在計(jì)算過(guò)程中，我們使用HSV（色相飽和度值）空間[5]的顏色值。量化執(zhí)行時(shí)，在圖像的所有像素在HSV空間里被映射到n 種上顏色（直方圖上的n個(gè)小箱型）。為了加快檢索，在圖像中表達(dá)不流暢的色彩應(yīng)根據(jù)不同的應(yīng)用排除 。我們?cè)赗ef中使用的算法得到必要顏色直方圖（CCH）和模糊顏色直方圖（FCH），它們分別表示為Fn ×1和Cn ×1形式。對(duì)屬于一些顏色像素的

9、概率不能完全只使用必要色彩直方圖或模糊顏色直方圖表示出來(lái)。被Atanasso提出的直觀模糊理論[7] 是 適用于我們的方法。非隸屬度函數(shù)用于改善顏色特征的表達(dá)。直覺(jué)模糊理論的概念通過(guò)增加模糊色彩特征的猶豫程度表達(dá)出來(lái)。接著Hn ×1矩陣產(chǎn)生 </p><p>　　在這里υi是圖像象素對(duì)第i種顏色值的非隸屬度。 比較模糊顏色直方圖與某些 顏色直方圖，一些模糊量化噪聲就可以

10、找到。這種噪音是通過(guò)直觀的指數(shù)可以消除的。從噪音來(lái)源，已知的是，圖像像素的顏色猶豫度是與色彩值和模糊顏色值之間的某些區(qū)別成正比的。 此外，根據(jù)均衡器還有一些特殊的顏色值。也就是說(shuō)，若υi= 0，模糊度可以達(dá)到最大πmaxi 這個(gè)特殊的πi 計(jì)算公式為</p><p>　　它描述了的是圖像的猶豫度，根據(jù)當(dāng)隸屬度減少時(shí)第i種顏色也會(huì)上升因?yàn)椤榱藵M足均衡器的限制。</p><p>　

11、?。?）（4）一起使用，以獲得所有圖像像素中的I到第i個(gè)色彩值得猶豫度計(jì)算結(jié)果度 。</p><p>　　顯然，πi是在[0，1]范圍內(nèi)，這是在πi定義得到的。據(jù)到Cn ×1和 Fn ×1，模糊度的矩陣Hn ×1就得到了。 整合上述言論計(jì)算 在直方圖中I到第i個(gè)圖像色彩值的所有圖像特征值和顏色特征向量，Ej可以表示為 </p><p>　　2.2顏色特征優(yōu)

12、化算法 2.2.1圖像染色體編碼 當(dāng)染色體編碼時(shí)，圖像顏色特征產(chǎn)生了在比賽中染色體集。 在大多數(shù)圖像中，每一個(gè)對(duì)象的重要程度在整個(gè)形象的表達(dá)中是不同的。因此,單位平均分割在垂直方向應(yīng)用于圖像分割。并且它對(duì)應(yīng)于視覺(jué)模式。在染色體編碼的過(guò)程中，我們保留重要區(qū)域，并刪除不重要區(qū)域。</p><p>　　如果在圖像像素是Mp ×N p，分割而成得區(qū)域個(gè)數(shù)應(yīng)是r < N p。每一個(gè)地區(qū) 可以被視

13、為對(duì)原始圖像的子圖像，并且直方圖的元素可看作大量的基因。每一個(gè)基因被表示為一個(gè)整數(shù)。這些整數(shù)是一些區(qū)域內(nèi)的象素色彩特征。這些區(qū)域連在一起形成了整個(gè)圖像的染色體。假定每個(gè)區(qū)域的顏色直方圖有n種顏色。染色體Ri是</p><p>　　在這里是必然概率，模糊成員和對(duì)第g種顏色來(lái)說(shuō)k個(gè)區(qū)域內(nèi)的直觀猶豫度。 Ri是每個(gè)區(qū)域的一個(gè)組合，每個(gè)組合由圖像的染色體組成是空間中的一個(gè)候選決定。有R！種組合。由圖像染色體組成的

14、候選集合是</p><p>　　P = { R1 , R2 , ?, Ri} ,</p><p>　　其中i等于1到n，n是這個(gè)集合的數(shù)量。</p><p>　　2.2.2選擇算子 我們使用比例算法。每個(gè)染色體占虛擬盤上的一個(gè)扇形，扇形面積與適應(yīng)度值成正比。當(dāng)自適應(yīng)程度值升高時(shí)，染色體會(huì)占用更多的面積。Ri區(qū)域的自適應(yīng)度值Fi是圖像的相似度。兩個(gè)在人們判斷

15、中相互聯(lián)系的相似圖形，我們會(huì)用距離函數(shù)計(jì)算得到一個(gè)染色體的距離矢量。 Fi和距離是成反比的。 如果距離的結(jié)果是大，這個(gè)染色體的適應(yīng)性會(huì)很糟。在接下來(lái)的檢索過(guò)程宗的染色體的功能就會(huì)很低。這種類型的染色體應(yīng)該被刪除。否則，染色體應(yīng)予保留。距離函數(shù)是 </p><p>　　在此，ba’是圖像顏色直方圖中第a種顏色的數(shù)目。2.2.3交叉及變異 單個(gè)交叉使允許的。在一個(gè)染色體中隨機(jī)設(shè)置一個(gè)交叉點(diǎn)。

16、在交叉中，這個(gè)單位只在這一點(diǎn)之前或者之后發(fā)生交叉。產(chǎn)生一個(gè)新的單位。此操作允許在一些地區(qū)的組合發(fā)生變化。一些地區(qū)可能會(huì)出現(xiàn)反復(fù)，或不出現(xiàn)。更多區(qū)域的組合可存在于圖像數(shù)據(jù)庫(kù)。為滿足用戶可以通過(guò)交叉得到更好的染色體。 變異率設(shè)定為0.1之內(nèi)。所有像素的一致性應(yīng)該在每一代都保持。在直方圖最大值被選中。我們比較左側(cè)和右側(cè)的最大值。我們降低較大值，增加較小的值。 2.3顏色特征匹配算法 根據(jù)以上遺傳算法，在檢索圖像數(shù)據(jù)庫(kù)S和

17、查詢圖像數(shù)據(jù)庫(kù)中圖像的顏色特征染色體被提取出來(lái)。對(duì)于每一個(gè)圖像，適應(yīng)度最高的10條染色體中北挑選出來(lái)，組成特征向量。 </p><p>　　E =（R1，R2，?，R9，R10）。 （12） </p><p>　　定義ΔEi的平方為 作為第i個(gè)的顏色特征的在圖像數(shù)據(jù)庫(kù)S中的一幅圖像和查詢圖像Q之間的距離。 P和Q之間的顏色特征距離定義為對(duì)染色體的特征距離的

18、總和。距離越少，兩幅圖內(nèi)容越越接近。</p><p>　　3實(shí)驗(yàn)的圖像檢索系統(tǒng) 為了檢驗(yàn)圖像檢索系統(tǒng)的可行性，由個(gè)1 000圖像組成的圖像組在測(cè)試中被建立，其中包括山水，動(dòng)物和人的形象。我們選擇4種圖像，它們是森林，極地，建設(shè)和花的圖像。我們從每個(gè)分類中隨機(jī)選擇5幅圖像， 使用算法在圖像數(shù)據(jù)庫(kù)取回與查詢圖像相似的圖像。有20次的檢索。每次檢索過(guò)程中，有10個(gè)最小的特征距離的圖像被選擇出來(lái)。在景觀和目標(biāo)

19、圖像中我們使用20種常見(jiàn)的顏色，如酒紅色，淡藍(lán)色，卡其色，白色，綠色等等顏色直方圖。 我們使用查全率和精確度進(jìn)行評(píng)估算法有效性。這兩個(gè)指數(shù)更高，性檢索系統(tǒng)得性能就比較好，否則，檢索系統(tǒng)的性能就比較差?！皥D像數(shù)據(jù)庫(kù)中與查詢圖像相似的圖像的數(shù)目在測(cè)試前是由相關(guān)人員進(jìn)行了確定的。測(cè)試結(jié)果如表1所示根據(jù)表1，可以看出，檢索系統(tǒng)的精確度介于70%到90%之間，平均精確度高于80%。平均查全率和精確度均高于只是基于直覺(jué)模糊顏色特征的系統(tǒng)或

20、只基于遺傳算法基的圖像檢索系統(tǒng)。結(jié)果表明，在這個(gè)圖像檢索系統(tǒng)里，直覺(jué)模糊顏色特征的表達(dá)更接近人類的思考過(guò)程，遺傳算法可以有效地優(yōu)化功能，加快速度。因此，這種方法是可行的。此外，一般配置的電腦能就滿足圖像檢</p><p>　　為了簡(jiǎn)化測(cè)試，只有景觀和物體的圖像作為查詢圖像。但是，這個(gè)系統(tǒng)還可以檢索其他的查詢圖像，如人類，動(dòng)物等，只需要改變顏色直方圖改成查詢圖像中的常見(jiàn)顏色就可以了。 </p><

21、;p>　　圖2 檢索結(jié)果的形象 4結(jié)論 在遺傳算法的染色體編碼過(guò)程中，介紹了了直觀模糊集理論。我們計(jì)算三個(gè)特征，他們是顏色確定性， 模糊隸屬度和對(duì)形成染色體的顏色特征的直觀模糊猶豫度。這是更接近人類思維過(guò)程，它完美準(zhǔn)確地表達(dá)圖像內(nèi)容。然后，選擇，交叉和變異操作可以有效地優(yōu)化上述特征。測(cè)試結(jié)果表明，該圖像檢索辦法可以提高查全率和圖像檢索精度，同時(shí)不影響圖像的檢索速度。 這個(gè)系統(tǒng)仍然有一些錯(cuò)誤警報(bào)。未來(lái)的工作包括

22、：在直觀的模糊度計(jì)算時(shí)，更多的因素應(yīng)該被考慮，以提高猶豫程度計(jì)算公式;三種不同的顏色特征在圖像匹配時(shí)應(yīng)給予不同的比重，以提高圖像匹配方案;圖像特征應(yīng)該擴(kuò)展到質(zhì)地，形狀和目標(biāo)定位，以擴(kuò)大這個(gè)圖像檢索系統(tǒng)的應(yīng)用。 </p><p>　　參考文獻(xiàn)： [1]鄒模唇?；诮换ミz傳算法和粗糙集的圖像檢索方法[J]計(jì)算機(jī)裝備及設(shè)計(jì)，2007，28（9）：2086年至二○八八年。 （在中國(guó)） [2]楊巖溪，劉鼎，新景?；?/p>

23、模糊遺傳算法的圖像相關(guān)匹配方法 [J]中國(guó)科學(xué)儀器日志，2005，26（11）：1166年至1169年。 （中文） [3] SoodamaniR，劉Z Q.：通過(guò)對(duì)目標(biāo)識(shí)別研究學(xué)習(xí)模糊建模 [J] 2004年，電機(jī)及電子學(xué)工程師聯(lián)合會(huì)學(xué)報(bào)23（6）：656 - 659。 [4]齊燕，路得湯?；趦?nèi)容圖像檢索中的IGA的應(yīng)用研究[J]。圖象圖形學(xué)報(bào)，2004，9（1）：46 - 55。 （中文） [5]張郁金?；趦?nèi)容的視覺(jué)信息檢索