基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究.pdf

1、隨著便攜式攝像設(shè)備如手機(jī)等大規(guī)模使用和互聯(lián)網(wǎng)的快速發(fā)展，圖像的獲取和使用越來(lái)越方便。圖像以其信息量豐富、客觀(guān)反映事物、獲取便捷、利于傳播等優(yōu)點(diǎn)受到人們的青睞。目前圖像已廣泛應(yīng)用于新聞、醫(yī)療、刑偵、安防、工程、地理、軍事等領(lǐng)域。如何快速高效地從海量圖像中獲取用戶(hù)所需要圖像成為當(dāng)前研究的熱點(diǎn)?；趦?nèi)容的圖像檢索受到廣大研究者的關(guān)注。
　　脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）作為新一代神經(jīng)網(wǎng)絡(luò)，因其不需要訓(xùn)練樣本、對(duì)圖像旋轉(zhuǎn)縮放操作不敏感等優(yōu)點(diǎn)

2、而其廣泛應(yīng)用于圖像處理領(lǐng)域。但其參數(shù)選取的好壞嚴(yán)重影響處理結(jié)果。部分學(xué)者對(duì)脈沖耦合神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置和選取進(jìn)行了研究，本文基于以上背景展開(kāi)研究，重點(diǎn)研究了利用脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）對(duì)彩色圖像的特征提取、圖像分類(lèi)，并對(duì)圖像檢索系統(tǒng)性能提高進(jìn)行了實(shí)驗(yàn)。本文研究主要內(nèi)容如下：
　　第一，本文提出一種基于進(jìn)化學(xué)習(xí)的參數(shù)優(yōu)化方法，解決了將脈沖耦合神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像檢索時(shí)其參數(shù)設(shè)置問(wèn)題。通過(guò)引入粒子群算法（PSO），構(gòu)建優(yōu)化目標(biāo)函數(shù)，提前

3、對(duì)圖像庫(kù)中少量圖像進(jìn)行分類(lèi)訓(xùn)練，對(duì)脈沖耦合神經(jīng)網(wǎng)絡(luò)的各參數(shù)進(jìn)行優(yōu)化并用于圖像檢索。實(shí)驗(yàn)表明，用提出的算法對(duì)PCNN參數(shù)進(jìn)行優(yōu)化后檢索性能明顯提高。對(duì)圖像庫(kù)中未訓(xùn)練圖像進(jìn)行檢索時(shí)也取得較好效果，在檢索查準(zhǔn)率、查全率及主觀(guān)視覺(jué)效果方面本文方法均優(yōu)于經(jīng)驗(yàn)參數(shù)。
　　第二，受脈沖耦合神經(jīng)網(wǎng)絡(luò)脈沖特性的啟發(fā)，通過(guò)研究二值圖像像素密度分布理論，將其與脈沖統(tǒng)計(jì)理論相結(jié)合，提出相對(duì)密度分布時(shí)間序列（RDTS）算法。該算法提取的圖像特征同樣具有旋轉(zhuǎn)

4、、縮放等不變性特性，能描述圖像的變化、形狀及局部分布特征。將該算法應(yīng)用于圖像檢索中并進(jìn)行仿真實(shí)驗(yàn)。
　　第三，考慮到單一特征用于圖像檢索時(shí)的局限性及PCNN模型無(wú)法處理彩色圖像問(wèn)題，本文提出將圖像顏色特征和相對(duì)密度時(shí)間序列結(jié)合的檢索算法，先將彩色圖像轉(zhuǎn)換到符合人眼視覺(jué)的IHS顏色空間，而后采用第三章所提相對(duì)密度時(shí)間序列算法對(duì)各分量進(jìn)行特征提取，再將提取的各向量進(jìn)行合成。實(shí)驗(yàn)證明，合成向量能有效包含圖像的顏色、紋理和形狀等信息。

5、r>　　第四，為進(jìn)一步提高圖像檢索性能，提出度量圖像特征向量中心點(diǎn)漂移距離的圖像分類(lèi)方法。計(jì)算同類(lèi)圖像特征的中心點(diǎn)，和新圖像加入該類(lèi)后該類(lèi)新的中心點(diǎn)，根據(jù)兩中心點(diǎn)的漂移距離確定新圖像是否屬于該類(lèi)別。為減小錯(cuò)誤圖像對(duì)分類(lèi)的影響，進(jìn)一步提出特征類(lèi)中心點(diǎn)自動(dòng)更新的分類(lèi)方法，經(jīng)實(shí)驗(yàn)證明，所提方法能有效對(duì)圖像進(jìn)行分類(lèi)。
　　最后綜合運(yùn)用基于PCNN模型和IHS顏色空間、相對(duì)密度時(shí)間序列算法進(jìn)行圖像特征提取，并將中心點(diǎn)分類(lèi)算法應(yīng)用于圖像檢索系