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