[发明专利]一种基于快速智能禁忌搜索的图像检索方法

权利要求书

1.一种基于快速智能禁忌搜索的图像检索方法，其特征在于，该方法包括以下步骤：

1)在图像数据库中定义几何流形熵；

2)通过快速智能禁忌搜索算法来获得最优回路O_opt；

3)将需要的检索图像Q插入最优回路序列O_opt中，根据检索图片在最优回路序列中插入的位置，重新计算插入后新回路序列的熵值，插入后的熵值较S_opt的变化为ΔS，当ΔS为最小时，检索图像的插入点为其在最优回路序列O_opt中的最终插入位置；

4)根据欧几里德距离排序检索图像Q在最优回路序列O_opt中的邻近图像；

5)将相似图像反馈给用户。

2.根据权利要求1所述的一种基于快速智能禁忌搜索的图像检索方法，其特征在于，所述的步骤1)定义几何流形熵如下：

采用“数据的空间位置”和“流形的局部离散曲率”两方面来描述一个流形，即几何流形熵；具体来说，在m维的空间中，给定一组数据X＝{x_i|x_i∈R^m，i＝1，2，...n}，首先定义一个长度为n并且没有自交叉的回路，对于X的每一种这样的回路根据连接点的下标可以记录为O＝(o₁，o₂，...o_n，o_l)，这时定义X关于回路序列O的几何流形熵为：

S(X，O)＝P(X，O)+G(X，O)                                       (1)

如果嵌入流形的维度为一维，那么几何流形熵的空间位置组成部分表示为：

P(X,O)=1nΣ(i,j)∈Od2(xi,xj)---(2)]]>

d表示计算结点i与j之间的距离，由于流形局部平坦的性质，采用欧几里德距离，即d＝‖x_i-x_j‖，符号(i，j)表示数据点x_i与x_j在回路O中相邻；

几何流形熵的几何组成部分表示为：

G(X,O)=1nΣ(i,j,k)∈Ok12(xi,xj,xk)+1nΣ(i,j,k,l)∈Oρ2(xi,xj,xk,xl)---(3)]]>

在离散空间中对于点x_j的离散曲率表示为：

k(x_i，x_j，x_k)＝‖λ(x_i，x_j)-λ(x_j，x_k)‖                       (4)

因为离散曲率对于数据的噪音干扰比较敏感，因此为了加强算法的鲁棒性，在几何组成部分的表示中引入了矫正因子ρ：

ρ(x_i，x_j，x_k，x_l)＝‖(λ(x_i，x_j)-λ(x_j，x_k))-(λ(x_j，x_k)-λ(x_k，x_l))‖  (5)

在公式(4)和(5)中，符号λ(x_i，x_j)定义为：

λ(xi,xj)=xi-xjd(xi,xj)---(6)]]>