基于人工免疫系统的遥感图像检索算法研究

论文摘要

随着遥感技术日新月异的发展,遥感图像数据量呈现几何级数的增长趋势,出现了大容量的图像数据库。如何从海量的遥感图像中快速、准确地检索所需的图像,已经成为当前遥感技术研究中的突出问题。图像检索中的许多问题大多可以转化为优化问题,如最优特征的提取、多维特征权值调整。而如何实现和改进优化技术的自动化与智能化水平,一直是研究的重点和难点。本文在该方面进行了一些新的尝试,将人工智能领域的最新优化技术——人工免疫系统(Artificial Immune System,AIS)引入到遥感图像检索中的优化问题求解中,并对遥感图像检索中的某些具体问题提出了一些新的思路和方法。本文完成的主要工作有:(1)对AIS和基于内容的图像检索(Content Based Image Retrieval,CBIR)的历史及研究现状进行了较为详细的总结,对二者在不同层次进行了比较,并对其结合点进行了研究;(2)建立了一种基于克隆选择算法的遥感图像检索模型,该模型根据相关反馈技术及免疫机理,利用克隆选择算法对用户反馈的图像特征进行泛化学习,提高了系统对用户语义的理解能力。实验结果表明,该模型能有效理解用户的反馈信息,提高检索的准确性;(3)研究了一种基于改进的克隆选择算法的遥感图像检索模型,该模型结合模糊集理论,将模型增加了无关抗体库,用它来记忆用户的负反馈对象,从而使模型能够同时利用正、负反馈对象进行学习,克服了原模型只能对正反馈图像进行学习的缺点。实验结果表明,与原模型相比,改进的模型能够提高图像检索的准确性;(4)提出了一种基于进化人工免疫网络(aiNet)的遥感图像检索模型,由于改进的克隆选择图像检索模型引入了无关抗体库以及抗体库存在冗余,该模型的检索速度有所降低。为了克服这个缺点,提出了本模型。利用aiNet具有减少冗余的优点来剔除抗体库中的冗余抗体,提高检索速度;(5)研究了一种基于人工免疫识别系统(AIRS)遥感图像检索中多特征权值配赋方法,将AIRS应用于图像检索中多特征之间特征调整,利用其自组织、记忆、泛化学习的特点,对特征权值进行调整,去除权值过小的特征,保留图像的有效特征,实现保留特征之间的权值优化分配。实验结果表明,该方法较传统方法提高了检索准确率。文章最后对本文的主要工作进行了总结,指出了需要进一步研究的内容。

论文目录

• 摘要
• Abstract
• 术语
• 第一章 绪论
• 1.1 引言
• 1.2 图像检索的发展
• 1.3 CBIR 系统架构
• 1.4 CBIR 的研究热点
• 1.4.1 图像低层特征的提取与表示
• 1.4.2 基于区域的CBIR
• 1.4.3 相关反馈技术
• 1.4.4 图像高层语义的提取
• 1.4.5 基于仿生算法的CBIR
• 1.5 CBIR 的应用前景
• 1.6 主要CBIR 系统介绍
• 1.7 论文组织
• 第二章 AIS 与CBIR 的结合点分析
• 2.1 生物免疫系统机理
• 2.1.1 免疫系统的组成和功能
• 2.1.2 免疫应答的基本过程与类型
• 2.1.3 生物免疫系统的两个重要学说
• 2.1.4 生物免疫系统特征
• 2.2 人工免疫系统
• 2.2.1 AIS 研究概况
• 2.2.2 几种典型的人工免疫算法
• 2.2.3 人工免疫算法的收敛性
• 2.2.4 AIS 与其它方法的比较
• 2.3 AIS 与CBIR 的对比分析
• 2.3.1 概念层次的比较
• 2.3.2 算法模型与问题域层次的比较
• 2.4 本章小结
• 第三章 基于AIS 的CBIR 相关反馈模型
• 3.1 基于克隆选择算法的遥感图像检索模型
• 3.1.1 克隆选择算法
• 3.1.2 模型原理
• 3.1.3 模型流程
• 3.2 基于改进的克隆选择算法的遥感图像检索模型
• 3.2.1 CBIR 中的模糊性
• 3.2.2 改进模型原理
• 3.2.3 改进模型流程
• 3.3 基于进化人工免疫网络的遥感图像检索模型
• 3.3.1 aiNet 理论
• 3.3.2 模型原理
• 3.3.3 模型流程
• 3.4 特征提取
• 3.4.1 小波纹理特征
• 3.4.2 图像特征向量规格化
• 3.5 实验与讨论
• 3.5.1 三种模型实验结果对比
• 3.5.2 查询点移动法实验结果
• 第四章 基于AIS 的CBIR 特征权值调整
• 4.1 AIRS 原理
• 4.2 AIRS 模型流程
• 4.3 特征提取
• 4.3.1 小波纹理特征
• 4.3.2 颜色累加直方图特征
• 4.4 实验与讨论
• 4.4.1 小波纹理检索
• 4.4.2 组合小波纹理与颜色累加直方图的检索
• 4.4.3 实验分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 全文工作总结
• 5.2 存在的问题和未来展望
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢