快速禁忌搜索研究及其在圖片獲取中的應(yīng)用.pdf

1、隨著網(wǎng)絡(luò)應(yīng)用不斷廣泛，網(wǎng)絡(luò)數(shù)據(jù)也呈幾何級增長。人們要在龐大的數(shù)據(jù)資源中找到自己需要的數(shù)據(jù)，就必須應(yīng)用到搜索引擎。在文本搜索方面，技術(shù)已經(jīng)較為成熟，而在另一類重要數(shù)據(jù)——圖像數(shù)據(jù)的搜索上，目前仍然以圖片的描述為主進行文本搜索，這種方式并不能很好地滿足人們的需求，因此基于內(nèi)容的圖像搜索算法成為一個很好的解決方案。
　　 基于內(nèi)容的圖像檢索(CBIR)是指由圖像分析軟件對輸入的圖像先進行圖像分析，根據(jù)圖像中物體或區(qū)域的顏色(color

2、)、形狀(shape)或紋理(texture)等特征以及這些特征的組合，自動抽取特征，在將輸入圖像存入圖像庫的同時將其相應(yīng)的特征向量也存入與圖像庫相連的特征庫。在進行檢索圖像時，對每一幅給定的查詢圖，進行圖像分析，并提取圖像特征向量。將該圖像的特征向量和特征庫中的特征向量進行匹配，根據(jù)匹配的結(jié)果到圖像庫中搜索就可以提取出所需要的檢索圖。
　　 本文為圖像提取方法提出了一個新的高效的框架。圖像提取的方法變成了在一個圖像數(shù)據(jù)庫中搜索

3、一個有序環(huán)的過程。而最優(yōu)化的環(huán)可以通過FATS算法中的最小化幾何流形熵來得到。而提取這個最小值的過程使用了GPU并行計算加速，從而顯著地提高了計算的性能。本算法框架相對于以前所使用的基于流形的方法具有明顯的優(yōu)勢：本方法框架可以直接對圖像數(shù)據(jù)評定相關(guān)性并返回相關(guān)性最高的圖像數(shù)據(jù)，而以往的基于流形的方法必須要從特征空間到一個不清晰的語義流形空間做一個映射，并對這個映射進行學(xué)習(xí)。更進一步，使用本框架可以避免在語義，空間的維度上進行的無謂的研究