基于遗传算法的自适应图像检索

论文摘要

图像作为重要信息形式之一,已经越来越广泛地应用于各种领域。如何从大量的图像信息中快速而准确地检索出有用的部分,就成为了一个亟待解决的问题。遗传算法作为一种机器学习算法,由于受到生物进化启发,将它应用在图像检索中相对于其它机器学习算法,具有很多优势。但是,近年来,只有少量研究工作将遗传算法应用在图像检索方面,主要有以下两个原因;(1)假设表示困难。图像的特征非常多,难以完整地表现图像的信息;(2)遗传算子设计困难,难以使遗传操作有一定的意义。针对这两个问题,本文提出了一种基于遗传算法的图像检索模型,并做出以下主要工作;(1)深入研究基于颜色和纹理特征的图像俭索方法,分析这些方法的优缺点,在此基础上提出采用“变均分单元”法对图像进行分割,并对图像的颜色和纹理特征信息加以汇总,形成图像的特征矢量。(2)讨论了检索过程中的各种反馈机制,分析其优缺点,详细描述了遗传算法在图像检索中的实现过程,分析适应度函数及遗传算子对检索性能的影响。(3)提出了新的遗传算法自适应检索策略。使用“螺旋式”的图像拆分方式通过对图像特征数据进行编码来生成图像染色体,根据初始群体与示例图像的相似度设计新的适应度函数和遗传算子,并在遗传算法中加入保护策略,保证用户在检索过程中不丢失最优个体,同时控制遗传操作的方向。然后通过选择、交叉、变异等遗传操作,生成下一代染色体,并在图像库中找出与新一代染色体对应的图像,作为检索结果显示。(4)设计实验系统,并与全局累加直方图法、分块和相关反馈法进行比较,证明了该遗传算法的有效性。本文从理论和实践上证明了该遗传算法不仅具有较好的图像检索效果,而且提高了系统的智能化程度。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 选题背景
• 1.2 图像检索方法的研究综述
• 1.2.1 基于文本的检索方法
• 1.2.2 基于内容的检索方法
• 1.2.3 图像检索系统的性能指标和评价准则
• 1.3 基于内容图像检索技术的现状和发展方向
• 1.3.1 现有CBIR系统
• 1.3.2 图像检索技术的未来发展
• 1.4 本文所研究的问题及组织结构
• 第二章 基于内容的图像检索方法
• 2.1 基于颜色特征的图像检索
• 2.1.1 颜色模型的选取
• 2.1.2 颜色直方图
• 2.1.3 颜色匹配算法
• 2.2 基于纹理特征的图像检索方法
• 2.2.1 纹理概述
• 2.2.2 灰度共生矩阵
• 2.2.3 Tamura纹理模型
• 2.2.4 自回归纹理模型
• 2.2.5 基于小波变换的纹理模型
• 2.3 颜色、纹理特征与图像编码相结合
• 2.4 本章小结
• 第三章 图像检索中的反馈机制
• 3.1 相关反馈
• 3.2 关联反馈
• 3.3 自适应反馈
• 3.3.1 遗传算法的基本思想
• 3.3.2 遗传算法的特点
• 3.3.3 遗传算法的实现过程
• 3.4 本章小结
• 第四章 遗传算法在图像检索中的实现策略
• 4.1 遗传算法的编码
• 4.1.1 图像颜色特征的抽取
• 4.1.2 图像染色体编码
• 4.2 遗传操作
• 4.2.1 适应性的度量及选择策略
• 4.2.2 交叉算子
• 4.2.3 变异算子
• 4.2.4 下一代的选择
• 4.2.5 实验结果及分析
• 4.3 综合颜色特征、纹理特征和遗传算法的图像检索
• 4.4 本章小结
• 第五章 全文总结与展望
• 5.1 本文总结
• 5.2 进一步的研究方向
• 致谢
• 参考文献
• 攻读学位期间发表的学术论文