一種圖像檢索方法
【專利摘要】本發(fā)明公開了一種圖像檢索方法，其具體實(shí)現(xiàn)過程為：將模板圖像和源圖像按照新分區(qū)思想提取灰度直方圖信息；將尋找模板圖像最相似的的問題轉(zhuǎn)化成通過改進(jìn)的粒子群優(yōu)化進(jìn)行分類；通過對(duì)相似度大的那類圖像進(jìn)行繼續(xù)按照上述步驟匹配得出最相似的圖像；檢索時(shí)改進(jìn)的快速查找算法的提出。該一種圖像檢索方法與現(xiàn)有技術(shù)相比，能夠在源圖像數(shù)據(jù)庫(kù)中快速匹配出相似的圖像組，在保持檢索效果優(yōu)異的同時(shí)，實(shí)現(xiàn)了圖像檢索算法的時(shí)間和空間復(fù)雜度的大幅降低提高了圖像的檢索效率。
【專利說(shuō)明】一種圖像檢索方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及信息檢索【技術(shù)領(lǐng)域】，具體地說(shuō)是一種實(shí)用性強(qiáng)、基于智能算法和改進(jìn) 的快速查找算法的圖像檢索方法。

【背景技術(shù)】
[0002] 伴隨信息技術(shù)的發(fā)展，圖像檢索的應(yīng)用領(lǐng)域愈發(fā)廣泛，已成為不可或缺的技術(shù)，衡 量圖像檢索算法好壞的重要指標(biāo)除了準(zhǔn)確度之外就是時(shí)間和空間復(fù)雜度。圖像檢索在現(xiàn) 實(shí)應(yīng)用中用途十分廣泛。其原理是指通過算法在圖像數(shù)據(jù)庫(kù)中搜索模板圖像的相似或相 同圖像。最核心的問題仍然是比對(duì)兩幅圖像的特征值，問題的模型：給定一副大小分別為 易X巧的圖像，源圖像：= !C1(U)3I<X< <y<CJ1I，模板圖像：式中 G為圖像的灰度值。傳統(tǒng)的圖像檢索算法計(jì)算量大、精度小。
[0003]目前，圖像檢索算法有很多種，性能千差萬(wàn)別，普遍存在檢索效率低，查準(zhǔn)率和查 全率不高的問題，基于此，現(xiàn)提供一種通過粒子群（ParticleSwarmOptimization,PS0)算 法的改進(jìn)和新分類思想加以改進(jìn)后的圖像檢索方法，該方法在保持檢索效果優(yōu)異的同時(shí)， 實(shí)現(xiàn)了圖像檢索算法的時(shí)間和空間復(fù)雜度的大幅降低提高了圖像的檢索效率。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的技術(shù)任務(wù)是針對(duì)以上不足之處，提供一種實(shí)用性強(qiáng)、圖像檢索方法。
[0005]-種圖像檢索方法，其具體實(shí)現(xiàn)過程為： 一、 將模板圖像和源圖像按照分區(qū)方法提取灰度直方圖信息，所述分區(qū)方法具體為： 對(duì)兩幅圖像進(jìn)行分區(qū)取點(diǎn)，即將每幅圖像分割成若干圖像后比對(duì)兩者的核心； 設(shè)置兩幅圖像相同位置區(qū)域的差值閾值，然后順時(shí)針計(jì)算兩圖像對(duì)應(yīng)的相同位置區(qū)域 之間的差值，根據(jù)差值的大小是否接近閾值而完成分類，接近閾值的分類為相似圖像，否則 歸為非相似圖像； 二、 將尋找模板圖像最相似的的問題轉(zhuǎn)化成通過改進(jìn)的粒子群優(yōu)化進(jìn)行分類，該改進(jìn) 的粒子群優(yōu)化過程為： 首先進(jìn)行粒子群的動(dòng)態(tài)初始化，通過隨機(jī)選取給定個(gè)數(shù)的圖像差值作為粒子群； 在圖像數(shù)據(jù)庫(kù)中，動(dòng)態(tài)初始化以后進(jìn)行檢索，學(xué)習(xí)一定的次數(shù)以后選取收斂的圖像集 合作為第一類； 繼續(xù)學(xué)習(xí)n次，選取收斂的圖像集合作為第二類，以此遞歸直到達(dá)到分類中圖像數(shù)量 閾值，在優(yōu)化過程中粒子追隨群體中當(dāng)前位置和速度最優(yōu)的粒子而移動(dòng)，并經(jīng)逐代迭代搜 索后得到最優(yōu)解，最后返回分類值； 三、重復(fù)步驟一、二，匹配得出最相似的圖像； 四、通過快速查找算法完成圖像檢索，該快速查找算法的具體內(nèi)容為：通過分析檢索 出的圖像和模板圖像的分區(qū)部分的直方圖信息的差值，對(duì)差值部分進(jìn)行從小到大的快速排 序，取值最小的前幾幅圖像，進(jìn)行快速排序，當(dāng)數(shù)據(jù)長(zhǎng)度大于閾值的時(shí)候，將數(shù)據(jù)平分為兩 段，在每一段中進(jìn)行快速排序，依次遞歸；最后返回排在最前的圖像，即為查找的圖像。
[0006] 所述步驟一中圖像分割的詳細(xì)過程為： 取圖像的中間兩條等寬的模塊，即寬度為整個(gè)圖像的十六分之一； 取每一份四分之一圖像的中間橫堅(jiān)交錯(cuò)的中線區(qū)域，即寬度為整個(gè)圖像的八分之一； 比對(duì)圖像的核心，提取灰度直方圖。
[0007] 所述步驟一中相似圖像的詳細(xì)確定過程為： 第一步：計(jì)算模板圖像和源圖像兩幅圖像的左上角四分之一部分中線區(qū)域的差值，如 果差值接近允許的閾值則繼續(xù)第二步，如果相差較大則返回； 第二步：計(jì)算橫線黑色模塊的圖像差值，如果相近則繼續(xù)第三步，否則返回； 第三步：計(jì)算堅(jiān)線黑色模塊的圖像差值，如果相近則將此圖設(shè)為相似的分類，如果只有 前兩步計(jì)算相似而第三步差距較大則歸為另外一類。
[0008] 所述圖像檢索過程具體為： 獲取圖像數(shù)據(jù)后，動(dòng)態(tài)分類形成多個(gè)粒子種群； 當(dāng)粒子種群非單一時(shí)，確定多個(gè)圖像分類后，圖像分類內(nèi)快速匹配，找到相似圖像組， 返回結(jié)果并結(jié)束； 當(dāng)粒子種群?jiǎn)我粫r(shí)，直接匹配圖像，返回結(jié)果并結(jié)束。
[0009] 所述圖像匹配過程具體包括： 當(dāng)數(shù)據(jù)量過大，即數(shù)據(jù)長(zhǎng)度大于閾值時(shí)，折半分為兩段序列，對(duì)各差值序列進(jìn)行快速排 序，選擇排在前面的最優(yōu)值，結(jié)束并返回結(jié)果； 當(dāng)數(shù)據(jù)量較小，即數(shù)據(jù)長(zhǎng)度小于閾值時(shí)，直接對(duì)對(duì)各差值序列進(jìn)行快速排序，選擇排在 前面的最優(yōu)值，結(jié)束并返回結(jié)果。
[0010] 本發(fā)明的一種圖像檢索方法，具有以下優(yōu)點(diǎn)： 該發(fā)明的一種圖像檢索方法采用新分區(qū)的方式，不再是盲目的獲取兩幅圖像所有的灰 度值進(jìn)行比較，而是按照分區(qū)順時(shí)針獲??；對(duì)傳統(tǒng)粒子群優(yōu)化算法進(jìn)行了改進(jìn)，利用其快速 的搜索功能選擇最相似的圖像進(jìn)行分類；分類內(nèi)部繼續(xù)進(jìn)行分區(qū)匹配，并且按照順序找出 相似圖像組；改進(jìn)了快速查找算法，是在快速排序思想的基礎(chǔ)上添加了動(dòng)態(tài)邏輯分割功能， 使快速排序變?yōu)橹悄艿目焖俨檎宜惴ǎ粰z索速度快，檢索出來(lái)的圖像準(zhǔn)確度高；實(shí)用性較 強(qiáng)，適用范圍廣泛，易于推廣。

【專利附圖】

【附圖說(shuō)明】
[0011] 附圖1為本發(fā)明的分區(qū)實(shí)現(xiàn)圖。
[0012] 附圖2為本發(fā)明的改進(jìn)粒子群優(yōu)化算法流程圖。
[0013] 附圖3為本發(fā)明的圖像檢索流程圖。
[0014] 附圖4為本發(fā)明的快速排序流程圖。
[0015] 附圖5為本發(fā)明的實(shí)際應(yīng)用圖。

【具體實(shí)施方式】
[0016] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0017] 本發(fā)明提供一種圖像檢索方法，根據(jù)圖像特征在圖像數(shù)據(jù)庫(kù)中檢索相似或相同圖 像。首先、利用新的分區(qū)思想在源圖像數(shù)據(jù)庫(kù)中先找到相似的圖像組，通過粒子群優(yōu)化學(xué)習(xí) 方式確定出相似圖像的分類，其次、在選擇出的分類中，通過快速查找算法進(jìn)行基于分區(qū)思 想的匹配，將匹配的結(jié)果返回。如附圖1至圖4所示，其具體實(shí)現(xiàn)過程為 ： 一、 將模板圖像和源圖像按照分區(qū)方法提取灰度直方圖信息，所述分區(qū)方法具體為： 對(duì)兩幅圖像進(jìn)行分區(qū)取點(diǎn)，即將每幅圖像分割成若干圖像后比對(duì)兩者的核心； 設(shè)置兩幅圖像相同位置區(qū)域的差值閾值，然后順時(shí)針計(jì)算兩圖像對(duì)應(yīng)的相同位置區(qū)域 之間的差值，根據(jù)差值的大小是否接近閾值而完成分類，接近閾值的分類為相似圖像，否則 歸為非相似圖像； 二、 將尋找模板圖像最相似的的問題轉(zhuǎn)化成通過改進(jìn)的粒子群優(yōu)化進(jìn)行分類，該改進(jìn) 的粒子群優(yōu)化過程為： 本發(fā)明在傳統(tǒng)的粒子群算法的基礎(chǔ)上進(jìn)行了改進(jìn)，即粒子群的動(dòng)態(tài)初始化，通過隨機(jī) 選取給定個(gè)數(shù)的圖像差值作為粒子群，在未知數(shù)量的圖像數(shù)據(jù)庫(kù)中，動(dòng)態(tài)初始化以后進(jìn)行 檢索，學(xué)習(xí)一定的次數(shù)以后選取收斂的圖像集合作為第一類，然后繼續(xù)學(xué)習(xí)n次，選取收斂 的圖像集合作為第二類，以此遞歸直到達(dá)到分類中圖像數(shù)量閾值，在優(yōu)化過程中粒子追隨 群體中當(dāng)前位置和速度最優(yōu)的粒子而移動(dòng)，并經(jīng)逐代迭代搜索后得到最優(yōu)解。在每一代中， 粒子將跟蹤本身迄今找到的最優(yōu)解Pbest和迄今找到的最優(yōu)解gbest進(jìn)行搜索。如下所示 公式（1) (2)是粒子群更新的某礎(chǔ)：

【權(quán)利要求】
1. 一種圖像檢索方法，其特征在于，其具體實(shí)現(xiàn)過程為： 一、 將模板圖像和源圖像按照分區(qū)方法提取灰度直方圖信息，所述分區(qū)方法具體為： 對(duì)兩幅圖像進(jìn)行分區(qū)取點(diǎn)，即將每幅圖像分割成若干圖像后比對(duì)兩者的核心； 設(shè)置兩幅圖像相同位置區(qū)域的差值閾值，然后順時(shí)針計(jì)算兩圖像對(duì)應(yīng)的相同位置區(qū)域 之間的差值，根據(jù)差值的大小是否接近閾值而完成分類，接近閾值的分類為相似圖像，否則 歸為非相似圖像； 二、 將尋找模板圖像最相似的的問題轉(zhuǎn)化成通過改進(jìn)的粒子群優(yōu)化進(jìn)行分類，該改進(jìn) 的粒子群優(yōu)化過程為： 首先進(jìn)行粒子群的動(dòng)態(tài)初始化，通過隨機(jī)選取給定個(gè)數(shù)的圖像差值作為粒子群； 在圖像數(shù)據(jù)庫(kù)中，動(dòng)態(tài)初始化以后進(jìn)行檢索，學(xué)習(xí)一定的次數(shù)以后選取收斂的圖像集 合作為第一類； 繼續(xù)學(xué)習(xí)n次，選取收斂的圖像集合作為第二類，以此遞歸直到達(dá)到分類中圖像數(shù)量 閾值，在優(yōu)化過程中粒子追隨群體中當(dāng)前位置和速度最優(yōu)的粒子而移動(dòng)，并經(jīng)逐代迭代搜 索后得到最優(yōu)解，最后返回分類值； 三、 重復(fù)步驟一、二，匹配得出最相似的圖像； 四、 通過快速查找算法完成圖像檢索，該快速查找算法的具體內(nèi)容為：通過分析檢索 出的圖像和模板圖像的分區(qū)部分的直方圖信息的差值，對(duì)差值部分進(jìn)行從小到大的快速排 序，取值最小的前幾幅圖像，進(jìn)行快速排序，當(dāng)數(shù)據(jù)長(zhǎng)度大于閾值的時(shí)候，將數(shù)據(jù)平分為兩 段，在每一段中進(jìn)行快速排序，依次遞歸；最后返回排在最前的圖像，即為查找的圖像。
2. 根據(jù)權(quán)利要求1所述的一種圖像檢索方法，其特征在于，所述步驟一中圖像分割的 詳細(xì)過程為： 取圖像的中間兩條等寬的模塊，即寬度為整個(gè)圖像的十六分之一； 取每一份四分之一圖像的中間橫堅(jiān)交錯(cuò)的中線區(qū)域，即寬度為整個(gè)圖像的八分之一； 比對(duì)圖像的核心，提取灰度直方圖。
3. 根據(jù)權(quán)利要求2所述的一種圖像檢索方法，其特征在于，所述步驟一中相似圖像的 詳細(xì)確定過程為： 第一步：計(jì)算模板圖像和源圖像兩幅圖像的左上角四分之一部分中線區(qū)域的差值，如 果差值接近允許的閾值則繼續(xù)第二步，如果相差較大則返回； 第二步：計(jì)算橫線黑色模塊的圖像差值，如果相近則繼續(xù)第三步，否則返回； 第三步：計(jì)算堅(jiān)線黑色模塊的圖像差值，如果相近則將此圖設(shè)為相似的分類，如果只有 前兩步計(jì)算相似而第三步差距較大則歸為另外一類。
4. 根據(jù)權(quán)利要求1所述的一種圖像檢索方法，其特征在于，所述圖像檢索過程具體為： 獲取圖像數(shù)據(jù)后，動(dòng)態(tài)分類形成多個(gè)粒子種群； 當(dāng)粒子種群非單一時(shí)，確定多個(gè)圖像分類后，圖像分類內(nèi)快速匹配，找到相似圖像組， 返回結(jié)果并結(jié)束； 當(dāng)粒子種群?jiǎn)我粫r(shí)，直接匹配圖像，返回結(jié)果并結(jié)束。
5. 根據(jù)權(quán)利要求4所述的一種圖像檢索方法，其特征在于，所述圖像匹配過程具體包 括： 當(dāng)數(shù)據(jù)量過大，即數(shù)據(jù)長(zhǎng)度大于閾值時(shí)，折半分為兩段序列，對(duì)各差值序列進(jìn)行快速排 序，選擇排在前面的最優(yōu)值，結(jié)束并返回結(jié)果； 當(dāng)數(shù)據(jù)量較小，即數(shù)據(jù)長(zhǎng)度小于閾值時(shí)，直接對(duì)對(duì)各差值序列進(jìn)行快速排序，選擇排在 前面的最優(yōu)值，結(jié)束并返回結(jié)果。
【文檔編號(hào)】G06F17/30GK104361135SQ201410752515
【公開日】2015年2月18日 申請(qǐng)日期:2014年12月11日 優(yōu)先權(quán)日:2014年12月11日
【發(fā)明者】路廷文, 戴純興, 魏志偉 申請(qǐng)人:浪潮電子信息產(chǎn)業(yè)股份有限公司