[发明专利]一种基于粒子群算法的多特征图像检索方法

摘要

本发明公开了一种基于粒子群算法的多特征图像检索方法，首先根据要检索的图像，提取被检索图像多个特征向量，归一化；得到特征距离；将特征距离进行融合；根据最优化的权值分配，得到综合特征融合距离，并根据图像相似度进行检索，将结果反馈给用户，检索出与被检索图像相似的图像。本发明能够根据用户提供的图像信息，通过提取图像的多特征计算出多特征距离，利用粒子群算法优化参数，将多特征距离进行融合，然后与指定的图像特征库进行匹配，高效地检索出与被检索图像相似的图像，提高检索准确率，方便用户使用。

主权项

一种基于粒子群算法的多特征图像检索方法，其特征在于：该方法根据用户提供的图像信息，通过提取图像的多特征计算出多特征距离，利用粒子群算法优化权值参数，将多特征距离进行融合，然后与指定的图像特征库进行匹配，从而高效地检索出与被检索图像相似的图像；具体包括如下步骤：步骤1：设Pt为要检索的图像，图像数据库里有N幅图像，Pi是图形库里第i幅图像，1≤i≤N；步骤2：提取被检索图像多个特征向量，归一化，特征集合为W＝{W1，W2，…，WK}，其中K是提取的特征个数，K≥1；步骤3：根据以下公式得到Pt，Pi关于特征WK的特征距离Di； D ( q , t ) = ( Σ m = 0 M - 1 | w q ( m ) - w t ( m ) | 2 ) 1 2 (7)步骤4：根据以下公式将距离Di归一化，得到Di’错误！未找到引用源。； d i ′ = d i - mD + 3 σ 6 σ d i ′ ∈ ( mD - 3 σ , mD + 3 σ ) 0 d i ′ ≤ mD - 3 σ 1 d i ′ ≥ mD - 3 σ (8)其中 mD = 1 n Σ i = 1 n d i | n = 1,2 , . . . , N σ 2 = 1 n Σ i = 1 n ( d i - mD ) 2 n = 1,2 , . . . , N 步骤5：根据以下公式将K个特征距离进行融合；Dis＝x1D′1+x2D′2+…+xKD′K，其中x1，…，xK∈[0，1]，且x1+…+xK＝1；(9)利用粒子群算法来进行参数优化，得到最优化的权值分配Xbest；步骤6：根据最优化的权值分配Xbest后，得到综合特征融合距离，并根据图像相似度进行检索，将结果反馈给用户，检索出与被检索图像相似的图像。