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，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)域的一個熱點，在機器學(xué)習(xí)、故障診斷、入侵檢測、模式識別等工程領(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。在目前來說，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、形狀等特征進行相似性匹配檢索，難點在于如何使提取的圖像特征能夠更好的描述圖像的語義內(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義內(nèi)容，本文將AIA引入到圖像檢索中，設(shè)計了一種有效的基于AIA的圖像檢索模型。此模型具

3、有免疫記憶機制和智能化搜索能力，能夠長期學(xué)習(xí)和理解用戶的語義要求，從而加強了圖像特征和語義內(nèi)容的聯(lián)系。 本文的主要工作包括以下部分： 1)在對目前AIA的發(fā)展現(xiàn)狀及其基本原理、免疫應(yīng)答類型和原理進行綜述的基礎(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部分組成：(1)圖像的特征表示及相似性度量；(2)特征庫和特征聚類中心庫；(3)免疫記憶庫；(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感知的HSV顏色模型和圖像區(qū)域的7個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并對特征庫進行聚類分析后將聚類中心存入

5、聚類中心庫；利用AIA的親和力來進行特征的相似性計算；同時把AIA的記憶機制結(jié)合到用戶對檢索結(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，下一次檢索時將會利用免疫記憶庫來調(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++對上述圖像檢索模型進行了模擬實現(xiàn)，并從標(biāo)準(zhǔn)Corel圖像庫中選取了27個主題共4000幅圖像進行了相關(guān)實驗。結(jié)果表明：在初次檢索中系統(tǒng)返回的檢索結(jié)果能