快速禁忌搜索研究及其在圖片獲取中的應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)應(yīng)用不斷廣泛，網(wǎng)絡(luò)數(shù)據(jù)也呈幾何級(jí)增長(zhǎng)。人們要在龐大的數(shù)據(jù)資源中找到自己需要的數(shù)據(jù)，就必須應(yīng)用到搜索引擎。在文本搜索方面，技術(shù)已經(jīng)較為成熟，而在另一類重要數(shù)據(jù)——圖像數(shù)據(jù)的搜索上，目前仍然以圖片的描述為主進(jìn)行文本搜索，這種方式并不能很好地滿足人們的需求，因此基于內(nèi)容的圖像搜索算法成為一個(gè)很好的解決方案。
　　 基于內(nèi)容的圖像檢索(CBIR)是指由圖像分析軟件對(duì)輸入的圖像先進(jìn)行圖像分析，根據(jù)圖像中物體或區(qū)域的顏色(color

2、)、形狀(shape)或紋理(texture)等特征以及這些特征的組合，自動(dòng)抽取特征，在將輸入圖像存入圖像庫(kù)的同時(shí)將其相應(yīng)的特征向量也存入與圖像庫(kù)相連的特征庫(kù)。在進(jìn)行檢索圖像時(shí)，對(duì)每一幅給定的查詢圖，進(jìn)行圖像分析，并提取圖像特征向量。將該圖像的特征向量和特征庫(kù)中的特征向量進(jìn)行匹配，根據(jù)匹配的結(jié)果到圖像庫(kù)中搜索就可以提取出所需要的檢索圖。
　　 本文為圖像提取方法提出了一個(gè)新的高效的框架。圖像提取的方法變成了在一個(gè)圖像數(shù)據(jù)庫(kù)中搜索

3、一個(gè)有序環(huán)的過(guò)程。而最優(yōu)化的環(huán)可以通過(guò)FATS算法中的最小化幾何流形熵來(lái)得到。而提取這個(gè)最小值的過(guò)程使用了GPU并行計(jì)算加速，從而顯著地提高了計(jì)算的性能。本算法框架相對(duì)于以前所使用的基于流形的方法具有明顯的優(yōu)勢(shì)：本方法框架可以直接對(duì)圖像數(shù)據(jù)評(píng)定相關(guān)性并返回相關(guān)性最高的圖像數(shù)據(jù)，而以往的基于流形的方法必須要從特征空間到一個(gè)不清晰的語(yǔ)義流形空間做一個(gè)映射，并對(duì)這個(gè)映射進(jìn)行學(xué)習(xí)。更進(jìn)一步，使用本框架可以避免在語(yǔ)義，空間的維度上進(jìn)行的無(wú)謂的研究