基于布谷鳥搜索算法的圖像檢索系統(tǒng)設(shè)計.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，海量的數(shù)據(jù)信息與人們的生活緊密相關(guān)，圖片、視頻等多媒體信息迅速增加。如何從海量的信息庫中準(zhǔn)確、高效的搜索出所需的信息是信息化時代的熱點問題。傳統(tǒng)的搜索以文字為搜索對象，通過關(guān)鍵字、關(guān)鍵詞來實現(xiàn)信息搜索，基于文字的搜索技術(shù)已經(jīng)非常成熟。然而文字搜索的缺陷在于，無法搜索一些很難用文字描述的圖片信息，并且文字很難直觀全面的表達(dá)人們的搜索意圖?；趦?nèi)容的圖像檢索(Content Based Image Retrieval,

2、CBIR)技術(shù)就能夠很好的解決這個問題。
　　基于內(nèi)容的圖像檢索技術(shù)通過上傳圖片來代替文字搜索，計算機(jī)自動提取圖像的特征，然后從圖像庫中找出特征相似的圖像。目前，基于內(nèi)容的圖像檢索技術(shù)需要改進(jìn)的主要問題是提升搜索效率和減小“語義鴻溝”以提升搜索準(zhǔn)確率。本文以基于內(nèi)容的圖像檢索為基礎(chǔ)做出了以下幾方面的工作：
　　(1) 提取圖像特征構(gòu)建圖像特征庫，建立基于內(nèi)容的圖像檢索系統(tǒng)。本文以corel1000為圖像庫，提取了圖像的顏色矩

3、、顏色相關(guān)圖特征以及LBP紋理特征，組成特征向量庫，并采用MATLAB為工具，建立基于內(nèi)容的圖像檢索系統(tǒng)，實現(xiàn)了通過上傳圖片來搜索相關(guān)圖片的功能。
　　(2) 提出一種基于內(nèi)容和布谷鳥算法的圖像檢索算法，將連續(xù)空間尋優(yōu)的布谷鳥搜索算法應(yīng)用于離散的圖像特征空間進(jìn)行圖像搜索，提高了CBIR系統(tǒng)的搜索效率。布谷鳥搜索算法(CuckooSearch,CS) ，也叫杜鵑搜索，是由劍橋大學(xué)YANG等在2009年提出的一種群智能優(yōu)化算法，該算法

4、參數(shù)少、搜索路徑較好、有較強(qiáng)的全局搜索能力。本文將CS算法應(yīng)用到基于內(nèi)容圖像檢索系統(tǒng)中，將圖像搜索問題看成尋找最優(yōu)解問題，利用CS算法搜索路徑較好、有較強(qiáng)的全局搜索能力的優(yōu)點在圖像特征空間尋優(yōu)，最后通過實驗證明了該算法比遍歷搜索算法在基于圖像檢索系統(tǒng)中有更高的搜索效率。
　　(3) 提出一種基于布谷鳥搜索動態(tài)調(diào)整支持向量機(jī)參數(shù)的相關(guān)反饋算法，減小了基于內(nèi)容的圖像檢索系統(tǒng)中的“語義鴻溝”。首先，將相關(guān)反饋問題當(dāng)作二分類問題，采用支持

5、向量機(jī)(Support Vector Machine,SVM)通過反饋結(jié)果對圖像進(jìn)行二分類，并通過CS算法動態(tài)搜索最佳SVM參數(shù)，根據(jù)每次反饋結(jié)果自適應(yīng)調(diào)整支持向量機(jī)參數(shù)。通過實驗證明該算法比傳統(tǒng)的布谷鳥搜索算法、粒子群算法(Particle Swarm Optimization,PSO)以及遺傳算法(Genetic Algorithm,GA)讓支持向量機(jī)更快更準(zhǔn)確的實現(xiàn)分類，從而使得圖像檢索的相關(guān)反饋能在更少的反饋次數(shù)下得到更高的準(zhǔn)確