基于脈沖耦合神經(jīng)網(wǎng)絡的圖像檢索算法研究.pdf

1、隨著便攜式攝像設備如手機等大規(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越方便。圖像以其信息量豐富、客觀反映事物、獲取便捷、利于傳播等優(yōu)點受到人們的青睞。目前圖像已廣泛應用于新聞、醫(yī)療、刑偵、安防、工程、地理、軍事等領域。如何快速高效地從海量圖像中獲取用戶所需要圖像成為當前研究的熱點?；趦?nèi)容的圖像檢索受到廣大研究者的關注。
　　脈沖耦合神經(jīng)網(wǎng)絡（PCNN）作為新一代神經(jīng)網(wǎng)絡，因其不需要訓練樣本、對圖像旋轉縮放操作不敏感等優(yōu)點

2、而其廣泛應用于圖像處理領域。但其參數(shù)選取的好壞嚴重影響處理結果。部分學者對脈沖耦合神經(jīng)網(wǎng)絡參數(shù)設置和選取進行了研究，本文基于以上背景展開研究，重點研究了利用脈沖耦合神經(jīng)網(wǎng)絡（PCNN）對彩色圖像的特征提取、圖像分類，并對圖像檢索系統(tǒng)性能提高進行了實驗。本文研究主要內(nèi)容如下：
　　第一，本文提出一種基于進化學習的參數(shù)優(yōu)化方法，解決了將脈沖耦合神經(jīng)網(wǎng)絡應用于圖像檢索時其參數(shù)設置問題。通過引入粒子群算法（PSO），構建優(yōu)化目標函數(shù)，提前

3、對圖像庫中少量圖像進行分類訓練，對脈沖耦合神經(jīng)網(wǎng)絡的各參數(shù)進行優(yōu)化并用于圖像檢索。實驗表明，用提出的算法對PCNN參數(shù)進行優(yōu)化后檢索性能明顯提高。對圖像庫中未訓練圖像進行檢索時也取得較好效果，在檢索查準率、查全率及主觀視覺效果方面本文方法均優(yōu)于經(jīng)驗參數(shù)。
　　第二，受脈沖耦合神經(jīng)網(wǎng)絡脈沖特性的啟發(fā)，通過研究二值圖像像素密度分布理論，將其與脈沖統(tǒng)計理論相結合，提出相對密度分布時間序列（RDTS）算法。該算法提取的圖像特征同樣具有旋轉

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。將該算法應用于圖像檢索中并進行仿真實驗。
　　第三，考慮到單一特征用于圖像檢索時的局限性及PCNN模型無法處理彩色圖像問題，本文提出將圖像顏色特征和相對密度時間序列結合的檢索算法，先將彩色圖像轉換到符合人眼視覺的IHS顏色空間，而后采用第三章所提相對密度時間序列算法對各分量進行特征提取，再將提取的各向量進行合成。實驗證明，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，為進一步提高圖像檢索性能，提出度量圖像特征向量中心點漂移距離的圖像分類方法。計算同類圖像特征的中心點，和新圖像加入該類后該類新的中心點，根據(jù)兩中心點的漂移距離確定新圖像是否屬于該類別。為減小錯誤圖像對分類的影響，進一步提出特征類中心點自動更新的分類方法，經(jīng)實驗證明，所提方法能有效對圖像進行分類。
　　最后綜合運用基于PCNN模型和IHS顏色空間、相對密度時間序列算法進行圖像特征提取，并將中心點分類算法應用于圖像檢索系