基于粒子群優(yōu)化權(quán)重向量的交互式圖像檢索.pdf

1、近年來，隨著計(jì)算機(jī)及通信技術(shù)的快速發(fā)展，多媒體信息出現(xiàn)了急劇增長的趨勢，數(shù)字圖像的內(nèi)容和種類也得到了極大的豐富，怎么才能從海量的圖像中提取所需的圖像信息，已成為信息時(shí)代人們亟待解決的問題，對(duì)圖像數(shù)據(jù)庫的分類和檢索也成為獲取圖像信息的研究熱點(diǎn)，同時(shí)基于內(nèi)容的圖像檢索已成為近年來計(jì)算機(jī)視覺領(lǐng)域最活躍也最具有挑戰(zhàn)性的問題之一，是一個(gè)融合計(jì)算機(jī)視覺、圖像處理、圖像理解等多個(gè)領(lǐng)域的交叉課題，其主要是通過提取圖像的底層特征（紋理、形狀、顏色）利用圖

2、像間的相似度匹配實(shí)現(xiàn)圖像檢索。
　　隨著優(yōu)化理論的快速發(fā)展，群智能優(yōu)化算法也成為一個(gè)研究的熱點(diǎn)，在很多領(lǐng)域上都得到了廣泛的應(yīng)用，其中粒子群優(yōu)化算法為傳統(tǒng)優(yōu)化算法所面臨的難題如組合優(yōu)化問題、復(fù)雜函數(shù)（多極值）提供了一種快速高效的解決方法。
　　然而，又由于圖像底層特征目前尚無能力完全辨別出圖像中所包含的物體，如何把人的主觀意見加入到圖像檢索中是CBIR的重要研究課題之一，隨著信息檢索技術(shù)的發(fā)展，在20世紀(jì)90年代相關(guān)反饋技術(shù)引

3、入到圖像檢索中，為減小高層語義概念同底層特征之間的“語義鴻溝”問題提供了一種有效途徑。
　　本文運(yùn)用粒子群優(yōu)化算法結(jié)合相關(guān)反饋，基于權(quán)重向量提出了兩個(gè)基于內(nèi)容的圖像檢索方法:
　　一是基于顏色直方圖權(quán)重向量的相關(guān)反饋:基于PSO優(yōu)化顏色直方圖權(quán)重向量的正相關(guān)反饋框架、基于PSO優(yōu)化顏色直方圖權(quán)重向量的正負(fù)相關(guān)反饋框架;基于轉(zhuǎn)化后的權(quán)重特征向量，我們首先確定用戶的初始權(quán)重查詢向量，再利用查詢點(diǎn)移動(dòng)公式，根據(jù)用戶對(duì)前面輸出結(jié)果的

4、反饋意見來調(diào)整權(quán)重查詢向量，使權(quán)重查詢向量靠近正例遠(yuǎn)離反例，在此基礎(chǔ)上對(duì)權(quán)重查詢向量進(jìn)一步優(yōu)化，將更能接近用戶的真實(shí)意圖。
　　二是基于融合特征權(quán)重向量的相關(guān)反饋:基于PSO優(yōu)化融合特征權(quán)重向量的正相關(guān)反饋框架、基于PSO優(yōu)化融合特征權(quán)重向量的正負(fù)相關(guān)反饋框架。針對(duì)單一特征只能表達(dá)一幅圖像的部分屬性，通過融合紋理、形狀和顏色的特征向量，獲得紋理、形狀和顏色的綜合權(quán)重向量，采用粒子群(PSO)算法優(yōu)化權(quán)重查詢向量，得到最優(yōu)并進(jìn)行更新