CN1405727A - 基于遗传算法的图像内容检索方法 - Google Patents
基于遗传算法的图像内容检索方法 Download PDFInfo
- Publication number
- CN1405727A CN1405727A CN 02145109 CN02145109A CN1405727A CN 1405727 A CN1405727 A CN 1405727A CN 02145109 CN02145109 CN 02145109 CN 02145109 A CN02145109 A CN 02145109A CN 1405727 A CN1405727 A CN 1405727A
- Authority
- CN
- China
- Prior art keywords
- image
- genetic algorithm
- user
- search
- retrieval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于遗传算法的图像内容检索方法属于图像信息处理领域。方法具体如下:首先,由用户通过人机接口提供期望查找的目标对象图像;其次,对目标对象进行特征提取,并基于特征提取后的目标对象生成目标对象模板集;然后,一方面基于模板集构造具体遗传算法,另一方面基于已得到的目标对象特征对等待检索的图像数据库中的每一图像进行搜索区域初步范围定界;最后,利用所构造的遗传算法对已得到的初步搜索区域进行检索,并将检索结果返回给用户。本发明与已有的相应技术相比,具有高效的智能检索效果,同时其兼顾检索速度问题,对检索速度进行了一定的改善。
Description
技术领域
本发明涉及的是一种图像内容检索方法,特别是一种基于遗传算法的图像内容检索方法,属于图像信息处理领域。
背景技术
图像是多媒体信息库中最普通的一种媒体,研究检索多媒体信息库中图像内容的有效方法是非常有意义的。对于图像的检索,早期采用文字形式,对图像附上特定属性,并且将这些属性看作格式化的数据,通过输入字符串并与这些属性进行匹配,来达到图像检索的目的。这种方法现在仍然作为一种主要的检索方法得到大量应用。然而,由于该种基于文字的方法要求用户输入与图像具有较强相关性的文字,文字若不能精确描述图像信息,则检索效果不好,但若要实现精确描述,却需要进行十分繁琐的工作。鉴于上述原因,基于内容的图像检索技术引起了人们的很大兴趣。
迄今为止,人们进行了许多关于图像模板匹配方面的研究,然而针对多媒体信息库,能够对其实现图像内容有效检索全过程的整套技术方面的研究成果相对来说还比较少见,经文献检索发现,典型的有Excalibur公司的技术开发小组开发的Visual RetrievalWare(可视检索软件)查询技术,公开在http://www.convera.com/Products/products rw.asp上,这些技术的基本思想都是从图像自身的颜色、纹理、形状等属性的相似性角度出发,通过匹配运算来达到检索的目的。Visual RetrievalWare(可视检索软件)提供了基于颜色、形状、纹理、颜色结构、亮度结构和纵横比6种图像属性的检索,每一个属性权重值范围从0到5,不同的权值设定产生的结果不同,其中颜色属性是对图像的颜色及其所占的比率进行测定;形状属性指图像中物体的轮廓或线条的相对方位、弯曲度及对比度;纹理属性是指图像的平滑度或粗糙度;亮度属性是指构成图像的象素组合的亮度。但是该技术对于图像检索的前端处理技术方面和目标对象的自我扩展能力和搜索算法方面的智能化和实时性方面都有待于改进。
发明内容
本发明针对现有技术的不足和缺陷,提供一种基于遗传算法的图像内容检索方法,通过执行用户模板预处理、匹配检索、检索结果处理三方面的操作,使其具有高效的智能检索效果,同时兼顾检索速度问题,对检索速度进行了一定的改善。本发明是通过以下技术方案实现的,本发明方法具体如下:首先,由用户通过人机接口提供期望查找的目标对象图像;其次,对目标对象进行特征提取,并基于特征提取后的目标对象生成目标对象模板集;然后,一方面基于模板集构造具体遗传算法,另一方面基于已得到的目标对象特征对等待检索的图像数据库中的每一图像进行搜索区域初步范围定界;最后,利用所构造的遗传算法对已得到的初步搜索区域进行检索,并将检索结果返回给用户。
本发明具有人机交互接口、用户模板预处理、匹配检索、检索结果输出四个部分的功能。其中,人机交互接口完成用户的目标对象的输入和接受返回的检索结果;用户模板预处理操作是对用户的目标对象图像实施一定的处理,提取其特征及生成适应性强的模板集;匹配检索完成媒体库中每一图像内的初步检索区域的定界,并利用遗传算法在已定界的区域内进行目标检索;检索结果输出操作是根据用户的实际应用需求返回检索结果给人机交互接口。
以下对本发明方法作进一步的描述:
(1)由人机接口接受用户提供的需要查找的特定目标对象图像。
(2)对用户输入的目标对象进行预处理,应用特征提取技术,提取用户输入的特定目标对象的颜色和轮廓方面的特征信息,并基于目标对象生成目标对象模板集。
在特征提取方面,颜色信息提取采用直方图统计的方法,而图形轮廓提取则采用坎尼算子的方法。这两种信息的结合,可以比较好的描述图像的一般性特征,同时又简化了图像数据。
在模板集生成方面,对于特征提取后的目标对象,采用放大,缩小,旋转等变形技术,生成具有相似性的新模板,以扩展用户目标对象模板数量,形成用户目标对象模板集,对于该模板集中的每一模板,用N个bits来编码其编号,该编号将在后续的遗传检索算法中被用来代表具体的模板,N个bits可以最多表示2N个模板,N可以根据实际的需要来确定。
(3)进行匹配检索操作,对于媒体库中等待被检索的每一图像,利用上述的颜色和轮廓特征提取方法,且根据用户目标图像中所提取的特征值进行图像处理,并且特别借助区域增长的方法界定待检测的图像的搜索区域初步范围,然后,利用基于模板集构造的性能良好的遗传算法在已得到的初步检索区域内进行优化匹配检索。
区域增长法主要是基于所提取的图像特征信息在图像中给定起始增长点和增长阈值后,采用递归搜索每一个像素点的周围相邻8个点,用标记掩码的方式来连接离散的图像轮廓或者区域,从而构成连续的封闭区域并将其确定为图像中进行检索的初步区域。
在得到检索初步区域后,就可利用基于模板集构造的性能良好的遗传算法在该区域内进行优化匹配检索。
该遗传算法在得到模板集后就可以构造出来,在该算法中,每一条染色体采用M个bits表示,其中K个bits表示图像二维空间中目标的位置,从而每条染色体可以搜索的范围是2K/2*2K/2大小,其余的(M-K)个bits表示模板的编码,另外,染色体的适应度函数用最小相关误差表示。在利用该算法检索时,根据最小相关误差函数计算每一条染色体的适应度函数值,并且根据计算结果从大到小排序,每一世代保留最优的若干条染色体,当算法收敛到设定的阈值或者遗传算法演进到规定的世代数时,搜索即告结束,得到检索结果。
(4)根据检索结果并按照用户的实际应用需求,或者将查找到的图像返回给用户,或者以文字形式通知用户是否已检索到所需要的图像。
本发明具有实质性特点和显著进步,基于遗传算法的图像内容检索技术是在性能良好的图像特征提取技术、适应性模板集的生成、区域增长法以及遗传算法智能检索技术的基础上研发的。与已有的相应技术相比,该技术具有高效的智能检索效果,同时其兼顾检索速度问题,对检索速度进行了一定的改善。
具体实施方式
结合本发明的内容进一步提供以下实施例:
基于本发明方法开发了原型系统,该系统包括用户提供目标对象图像和返回结果的接口、目标对象预处理模块、遗传算法构造模块、搜索区域初步范围定界模块、等待检索的图像数据库、利用遗传算法进行检索模块。
首先,由用户通过人机接口提供期望查找的目标对象图像,在实验系统中是人体的某些特殊部位;第二步,由目标对象预处理模块对目标对象进行特征提取,特征提取是通过直方图统计的办法提取目标对象的颜色特征和利用坎尼算子的方法提取目标对象的轮廓特征,再利用特征提取后的目标对像通过旋转,放大,缩小,扭曲生成目标对象的模板集;然后,一方面利用遗传算法构造模块基于模板集构造具体遗传算法,包括确定遗传算法中的染色体编码方式、遗传交叉的操作方式及适应度函数,在实验系统中,染色体编码方式采用16位编码,遗传交叉的操作方式采用双点交叉和1%的变异率,适应度函数是基于最小均方误差。另一方面利用基于已得到的目标对象特征,在搜索区域初步范围定界模块中对等待检索的图像数据库中的每一幅图像进行搜索区域初步范围定界,在实验系统中,确定的主要区域是人的身体区域,也即对图像数据库中的每一幅图像采用直方图统计和坎尼算子操作提取特征,再特别借助区域增长的方法,界定出一幅图像中的人体所占的区域;之后,在利用遗传算法进行检索的模块中使用所构造的遗传算法对已得到的初步搜索区域通过交叉变异运算进行检索,当遗传算法搜索结果超过预定的阈值或者世代演进超过120代的时候,搜索即告结束;最后,将检索结果以文字或者图像的形式返回给用户。
本方法经过系统原型的具体实施,效果较好,遗传算法的使用使得在查找的准确度方面,有很大的改观。此外,由于在前端引入图像的特征提取和搜索区域的初步定界,减少了大量的冗余计算,所以在查找的速度方面也有一定的改善。
Claims (5)
1、一种基于遗传算法的图像内容检索方法,其特征在于方法具体如下:首先,由用户通过人机接口提供期望查找的目标对象图像;其次,对目标对象进行特征提取,并基于特征提取后的目标对象生成目标对象模板集;然后,一方面基于模板集构造具体遗传算法,另一方面基于已得到的目标对象特征对等待检索的图像数据库中的每一图像进行搜索区域初步范围定界;最后,利用所构造的遗传算法对已得到的初步搜索区域进行检索,并将检索结果返回给用户。
2、根据权利要求1所述的这种基于遗传算法的图像内容检索方法,其特征是以下对方法所作的进一步的描述:
(1)由人机接口接受用户提供的需要查找的特定目标对象图像;
(2)对用户输入的目标对象进行预处理,应用特征提取技术,提取用户输入的特定目标对象的颜色和轮廓方面的特征信息,并基于目标对象生成目标对象模板集;
(3)进行匹配检索操作,对于媒体库中等待被检索的每一图像,利用上述的颜色和轮廓特征提取方法,且根据用户目标图像中所提取的特征值进行图像处理,并且借助区域增长的方法界定待检测的图像的搜索区域初步范围,然后,利用基于模板集构造的性能良好的遗传算法在已得到的初步检索区域内进行优化匹配检索;
(4)根据检索结果并按照用户的实际应用需求,或者将查找到的图像返回给用户,或者以文字形式通知用户是否已检索到所需要的图像。
3、根据权利要求2所述的这种基于遗传算法的图像内容检索方法,其特征是:在特征提取方面,颜色信息提取采用直方图统计的方法,而图形轮廓提取则采用坎尼算子的方法;在模板集生成方面,对于特征提取后的目标对象,采用放大,缩小,旋转等变形技术,生成具有相似性的新模板,以扩展用户目标对象模板数量,形成用户目标对象模板集,对于该模板集中的每一模板,用N个bits来编码其编号,该编号将在后续的遗传检索算法中代表具体的模板,N个bits最多表示2N个模板。
4、根据权利要求2所述的这种基于遗传算法的图像内容检索方法,其特征是区域增长法主要是基于所提取的图像特征信息在图像中给定起始增长点和增长阈值后,采用递归搜索每一个像素点的周围相邻8个点,用标记掩码的方式来连接离散的图像轮廓或者区域,构成连续的封闭区域并将其确定为图像中进行检索的初步区域。
5、根据权利要求2所述的这种基于遗传算法的图像内容检索方法,其特征是遗传算法在得到模板集后就构造出来,在该算法中,每一条染色体采用M个bits表示,其中K个bits表示图像二维空间中目标的位置,每条染色体搜索的范围是2K/2*2K/2大小,其余的M-K个bits表示模板的编码,另外,染色体的适应度函数用最小相关误差表示,在利用该算法检索时,根据最小相关误差函数计算每一条染色体的适应度函数值,并且根据计算结果从大到小排序,每一世代保留最优的若干条染色体,当算法收敛到设定的阈值或者遗传算法演进到规定的世代数时,搜索即告结束,得到检索结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 02145109 CN1405727A (zh) | 2002-11-07 | 2002-11-07 | 基于遗传算法的图像内容检索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 02145109 CN1405727A (zh) | 2002-11-07 | 2002-11-07 | 基于遗传算法的图像内容检索方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1405727A true CN1405727A (zh) | 2003-03-26 |
Family
ID=4750771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 02145109 Pending CN1405727A (zh) | 2002-11-07 | 2002-11-07 | 基于遗传算法的图像内容检索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1405727A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100336062C (zh) * | 2004-01-20 | 2007-09-05 | 奥林巴斯株式会社 | 信息呈现系统 |
CN100524308C (zh) * | 2005-10-06 | 2009-08-05 | 索尼株式会社 | 图像处理装置和处理方法 |
CN102110158A (zh) * | 2011-02-24 | 2011-06-29 | 上海大学 | 一种基于改进型sdd-1算法的数据库多连接查询优化方法 |
CN101330604B (zh) * | 2008-07-25 | 2012-01-11 | 北京中星微电子有限公司 | 一种监控视频图像的检索方法、装置和监控系统 |
CN101814079B (zh) * | 2004-03-29 | 2013-05-22 | 咕果公司 | 用于对搜索结果可变个性化的方法和装置 |
CN103870569A (zh) * | 2014-03-13 | 2014-06-18 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与系统 |
CN104021138A (zh) * | 2014-04-23 | 2014-09-03 | 北京智谷睿拓技术服务有限公司 | 图像检索方法及图像检索装置 |
CN108924427A (zh) * | 2018-08-13 | 2018-11-30 | 浙江大华技术股份有限公司 | 一种摄像机聚焦方法、装置以及摄像机 |
CN110019908A (zh) * | 2017-12-13 | 2019-07-16 | 南京机器人研究院有限公司 | 一种图像内容搜索方法 |
-
2002
- 2002-11-07 CN CN 02145109 patent/CN1405727A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100336062C (zh) * | 2004-01-20 | 2007-09-05 | 奥林巴斯株式会社 | 信息呈现系统 |
CN101814079B (zh) * | 2004-03-29 | 2013-05-22 | 咕果公司 | 用于对搜索结果可变个性化的方法和装置 |
CN100524308C (zh) * | 2005-10-06 | 2009-08-05 | 索尼株式会社 | 图像处理装置和处理方法 |
CN101330604B (zh) * | 2008-07-25 | 2012-01-11 | 北京中星微电子有限公司 | 一种监控视频图像的检索方法、装置和监控系统 |
CN102110158A (zh) * | 2011-02-24 | 2011-06-29 | 上海大学 | 一种基于改进型sdd-1算法的数据库多连接查询优化方法 |
CN102110158B (zh) * | 2011-02-24 | 2013-05-08 | 上海大学 | 一种基于改进型sdd-1算法的数据库多连接查询优化方法 |
CN103870569A (zh) * | 2014-03-13 | 2014-06-18 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与系统 |
CN103870569B (zh) * | 2014-03-13 | 2017-05-10 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与系统 |
CN104021138A (zh) * | 2014-04-23 | 2014-09-03 | 北京智谷睿拓技术服务有限公司 | 图像检索方法及图像检索装置 |
CN104021138B (zh) * | 2014-04-23 | 2017-09-01 | 北京智谷睿拓技术服务有限公司 | 图像检索方法及图像检索装置 |
CN110019908A (zh) * | 2017-12-13 | 2019-07-16 | 南京机器人研究院有限公司 | 一种图像内容搜索方法 |
CN108924427A (zh) * | 2018-08-13 | 2018-11-30 | 浙江大华技术股份有限公司 | 一种摄像机聚焦方法、装置以及摄像机 |
CN108924427B (zh) * | 2018-08-13 | 2020-08-04 | 浙江大华技术股份有限公司 | 一种摄像机聚焦方法、装置以及摄像机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rana et al. | Boosting content based image retrieval performance through integration of parametric & nonparametric approaches | |
CN103077512B (zh) | 基于主成分析的数字图像的特征提取与匹配方法 | |
Fauqueur et al. | Region-based image retrieval: Fast coarse segmentation and fine color description | |
CN101789005A (zh) | 一种基于感兴趣区域的图像检索方法 | |
Xu et al. | Leaf instance segmentation and counting based on deep object detection and segmentation networks | |
CN109101981B (zh) | 一种街景场景下基于全局图像条纹码的回环检测方法 | |
Hor et al. | Image retrieval approach based on local texture information derived from predefined patterns and spatial domain information | |
KR20010055492A (ko) | 영상 히스토그램을 이용한 영상 검색 시스템과 그 방법 | |
CN104850822B (zh) | 基于多特征融合的简单背景下的叶片识别方法 | |
CN101866352A (zh) | 一种基于图像内容分析的外观设计专利检索方法 | |
CN105740378B (zh) | 一种数字病理全切片图像检索方法 | |
CN108595649B (zh) | 基于几何形状的局部不变纹理特征的织物图像检索方法 | |
CN1405727A (zh) | 基于遗传算法的图像内容检索方法 | |
COOCURENCE | Wavelet based content based image retrieval using color and texture feature extraction by gray level coocurence matrix and color coocurence matrix | |
KR100323364B1 (ko) | 칼라 영상에서의 특징 벡타 추출 방법 및 이를 활용한 영상 검색 방법 | |
Keyvanpour et al. | Feature weighting for improving document image retrieval system performance | |
Rao et al. | Texture classification based on first order local ternary direction patterns | |
CN104239551B (zh) | 基于多特征vp树索引的遥感图像检索方法及装置 | |
Hsieh et al. | Region-based image retrieval | |
CN108763265A (zh) | 一种基于分块检索的图像识别方法 | |
Zhang et al. | ROI based natural image retrieval using color and texture feature | |
CN108536772A (zh) | 一种基于多特征融合和扩散过程重排序的图像检索方法 | |
Shinde et al. | Content based image retrieval using multi-sequential search | |
Goswami et al. | RISE: a robust image search engine | |
Tamilkodi et al. | Segment based image retrieval using HSV color space and moment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |