[发明专利]基于智能计算的多粒度图像检索方法

说明书

技术领域

本发明涉及一种基于智能计算的多粒度图像检索方法，属于图像处理、模式识别、人工智能、检索技术和数据库等多个技术领域。

背景技术

人类对物质世界的感知过程中，大部分的信息来源于视觉图像。图像作为一种重要的信息载体，具有形象直观、内容丰富等特点。如果没有对图像及视频数据的自动和有效的描述，大量信息将淹没在信息的海洋之中，无法在需要时被检索出来。因此，如何快速有效地存储，浏览，检索图像信息成为目前迫切需要解决的问题。由于图像不同于文本，文本本身就可以说明其内容，而图像则要靠人们各自的理解来说明其含义，因而图像检索比起文本要困难很多，图像检索的研究也成为信息检索领域的研究热点。基于内容的图像检索技术(Content-Based Image Retrieval，CBIR)也就应运而生，涉及计算机视觉、图像处理、图像理解、人工智能、机器学习、统计学、数据库及心理学等众多领域的技术，是具有广阔发展前途的研究方向，而且CBIR技术的研究必将推动相关领域技术的发展。哥伦比亚大学和麻省理工大学分别研制出了图像检索系统VisualSEEK和photobook，IBM也研制了一个典型的图像管理系统QBIC。我国的数字图书馆工程现阶段只是解决了信息的数字化、数据的压缩与存储、中文全文检索系统平台和搜索引擎问题。

基于内容的图像检索技术的基本思想是根据图像所包含的颜色、纹理、形状及对象的空间关系等信息，建立图像的特征矢量，这样一幅图像可以用一个高维特征向量来表示，然后可以根据图像的多维特征矢量进行相似性匹配。由于目前图像认知的局限性，提取的视觉特征与人的理解仍然有很大距离，也就是计算机所能识别的图像低层内容特征并不能有效地描述人类对图像的高层语义的认知。而且，随着应用越来越复杂，特征比较单一的分析方法越发显示出其局域性。这些已有的图像检索方法只能对图像进行简单分析，提取一些低层次的特征，如颜色、纹理、形状等。这些方法基本上都是针对图像的某一特征的某一侧面进行分析和考虑的，并没有全面有效地利用图像自身所提供的全部信息，而要实现有效的图像检索需要更高层次、全面的、不同角度的内容特征，这也符合人类对事物的认识过程。

为了全面有效的反应图像的自身信息进而达到理想的图像检索效果，本发明专利将智能计算理论引入到图像检索领域，提出了基于内容的多粒度图像检索技术；提出了可用于图像检索领域的多目标粒子群优化算法、微分进化算法、模糊神经网络等优化技术。

发明内容

本发明需要解决的问题是应用智能计算计算理论，研究多粒度下的基于内容的图像检索，从而提出一种能有效地提高系统的查全率和查准率的图像检索方法。本发明的结构示意图见图1。

智能计算理论是从若干个不同的侧面来获得目标事物的信息，再将所获得的信息经过一定的逻辑或者丰富的想象综合起来得到完整的概念。目前已有的图像检索算法基本上都是针对图像的某一特征的某一侧面进行分析和考虑的，并没有全面有效的利用图像自身所提供的所有信息。本发明对图像进行合理的多粒度划分，针对图像在不同粒度下的表现得到不同粒度下的特征，获得不同的粒度表现，然后根据智能计算理论对已得到的不同特征进行综合处理，进而以合成后的属性函数来完成图像检索。主要包括：图像的多粒度划分；图像多粒度特征的选取；智能计算理论下多粒度特征的合成；多粒度特征合成中的智能自适应参数优化；构建智能化的自适应的图像检索系统。与采用单一属性特征的图像检索方法相比，基于智能计算理论的图像检索方法能够更大程度上的利用图像自身所提供的信息，实现图像内容的全面表达。

附图说明

图1为本发明的流程图。

具体实施方法

1.图像的多粒度划分

对一个图像处理问题可以用(X，f，T)这样一个三元组来表示。当(X，f，T)和一个等价关系R给定之后，可以得到(X，f，T)对应于等价关系R的粒度表示([X]，[f]，[T])，其中R对应于一定的粒度。也就是，对于图像检索问题而言，在某个粒度下，如果X为图像中的像素，T为像素间的相似关系结构，f为图像在该粒度下的特征属性函数，则图像在该特征粒度下对应的粒度表现为([X]，[f]，[T])。其定义如下：

[X]：定义[X]为对应于等价关系R的商集。

[T]：设T是拓扑，则定义商拓扑[T]：{u|p^-1(u)∈T，u∈[X]}，p：X→[X]是自然投影。

[f]：设属性函数f：X→Y，定义[f]：[X]→Y。

2.图像多粒度特征的选取