基于免疫算法的圖像檢索模型.pdf

1、人工免疫算法(Artificial Immune Algorithm，AIA)是在生物免疫系統(tǒng)理論的基礎(chǔ)上發(fā)展起來(lái)的一種新型的智能化搜索算法。AIA具有學(xué)習(xí)、記憶、自適應(yīng)等特點(diǎn)，在全局快速查找最優(yōu)解方面表現(xiàn)出良好的性能。AIA已經(jīng)成為當(dāng)前算法研究領(lǐng)域的一個(gè)熱點(diǎn)，在機(jī)器學(xué)習(xí)、故障診斷、入侵檢測(cè)、模式識(shí)別等工程領(lǐng)域有了廣泛的應(yīng)用。 基于內(nèi)容的圖像檢索(Content—Based Image Retrieval，CBIR)是在基于文

2、本的圖像檢索系統(tǒng)的基礎(chǔ)上發(fā)展起來(lái)的。CBIR技術(shù)能夠客觀全面的描述圖像的內(nèi)容，而且基本不需要人工參與，其發(fā)展前景被研究學(xué)者們廣泛看好。在目前來(lái)說(shuō)，CBIR還處于研究階段，其關(guān)鍵技術(shù)是提取圖像的顏色、紋理、形狀等特征進(jìn)行相似性匹配檢索，難點(diǎn)在于如何使提取的圖像特征能夠更好的描述圖像的語(yǔ)義內(nèi)容，從而提高檢索結(jié)果的準(zhǔn)確性。 為了更好的描述圖像的語(yǔ)義內(nèi)容，本文將AIA引入到圖像檢索中，設(shè)計(jì)了一種有效的基于AIA的圖像檢索模型。此模型具

3、有免疫記憶機(jī)制和智能化搜索能力，能夠長(zhǎng)期學(xué)習(xí)和理解用戶的語(yǔ)義要求，從而加強(qiáng)了圖像特征和語(yǔ)義內(nèi)容的聯(lián)系。 本文的主要工作包括以下部分： 1)在對(duì)目前AIA的發(fā)展現(xiàn)狀及其基本原理、免疫應(yīng)答類(lèi)型和原理進(jìn)行綜述的基礎(chǔ)上，研究和分析了幾種經(jīng)典的AIA算法及其主要的應(yīng)用領(lǐng)域。 2)闡述了目前CBIR的發(fā)展現(xiàn)狀以及其檢索過(guò)程的基本步驟，深入研究了圖像的特征描述和提取方法、圖像的相似性度量方法以及相關(guān)反饋方式；討論了幾種著名的C

4、BIR圖像檢索系統(tǒng)和CB工R未來(lái)研究的主要方向。 3)將AIA和CBIR技術(shù)相結(jié)合，建立了基于免疫算法的圖像檢索模型。該圖像檢索模型由四個(gè)部分組成：(1)圖像的特征表示及相似性度量；(2)特征庫(kù)和特征聚類(lèi)中心庫(kù)；(3)免疫記憶庫(kù)；(4)圖像檢索的免疫算法。 4)該圖像檢索模型采用了更加符合視覺(jué)感知的HSV顏色模型和圖像區(qū)域的7個(gè)不變矩作為圖像的特征表示；將提取后的圖像特征存入特征庫(kù)并對(duì)特征庫(kù)進(jìn)行聚類(lèi)分析后將聚類(lèi)中心存入

5、聚類(lèi)中心庫(kù)；利用AIA的親和力來(lái)進(jìn)行特征的相似性計(jì)算；同時(shí)把AIA的記憶機(jī)制結(jié)合到用戶對(duì)檢索結(jié)果的相關(guān)反饋中，將反饋結(jié)果和檢索樣本的聯(lián)系存入記憶庫(kù)，下一次檢索時(shí)將會(huì)利用免疫記憶庫(kù)來(lái)調(diào)整輸出結(jié)果，使得檢索結(jié)果的準(zhǔn)確性得到穩(wěn)步提高。 5)在Windows環(huán)境下，使用Visual C++對(duì)上述圖像檢索模型進(jìn)行了模擬實(shí)現(xiàn)，并從標(biāo)準(zhǔn)Corel圖像庫(kù)中選取了27個(gè)主題共4000幅圖像進(jìn)行了相關(guān)實(shí)驗(yàn)。結(jié)果表明：在初次檢索中系統(tǒng)返回的檢索結(jié)果能