一种图像检索方法
【专利摘要】本发明公开了一种图像检索方法，其具体实现过程为：将模板图像和源图像按照新分区思想提取灰度直方图信息；将寻找模板图像最相似的的问题转化成通过改进的粒子群优化进行分类；通过对相似度大的那类图像进行继续按照上述步骤匹配得出最相似的图像；检索时改进的快速查找算法的提出。该一种图像检索方法与现有技术相比，能够在源图像数据库中快速匹配出相似的图像组，在保持检索效果优异的同时，实现了图像检索算法的时间和空间复杂度的大幅降低提高了图像的检索效率。
【专利说明】一种图像检索方法
【技术领域】
[0001] 本发明涉及信息检索【技术领域】，具体地说是一种实用性强、基于智能算法和改进 的快速查找算法的图像检索方法。
【背景技术】
[0002] 伴随信息技术的发展，图像检索的应用领域愈发广泛，已成为不可或缺的技术，衡 量图像检索算法好坏的重要指标除了准确度之外就是时间和空间复杂度。图像检索在现 实应用中用途十分广泛。其原理是指通过算法在图像数据库中搜索模板图像的相似或相 同图像。最核心的问题仍然是比对两幅图像的特征值，问题的模型：给定一副大小分别为 易X巧的图像，源图像：= !C1(U)3I<X< <y<CJ1I，模板图像：式中 G为图像的灰度值。传统的图像检索算法计算量大、精度小。
[0003]目前，图像检索算法有很多种，性能千差万别，普遍存在检索效率低，查准率和查 全率不高的问题，基于此，现提供一种通过粒子群（ParticleSwarmOptimization,PS0)算 法的改进和新分类思想加以改进后的图像检索方法，该方法在保持检索效果优异的同时， 实现了图像检索算法的时间和空间复杂度的大幅降低提高了图像的检索效率。
【发明内容】
[0004] 本发明的技术任务是针对以上不足之处，提供一种实用性强、图像检索方法。
[0005]-种图像检索方法，其具体实现过程为： 一、 将模板图像和源图像按照分区方法提取灰度直方图信息，所述分区方法具体为： 对两幅图像进行分区取点，即将每幅图像分割成若干图像后比对两者的核心； 设置两幅图像相同位置区域的差值阈值，然后顺时针计算两图像对应的相同位置区域 之间的差值，根据差值的大小是否接近阈值而完成分类，接近阈值的分类为相似图像，否则 归为非相似图像； 二、 将寻找模板图像最相似的的问题转化成通过改进的粒子群优化进行分类，该改进 的粒子群优化过程为： 首先进行粒子群的动态初始化，通过随机选取给定个数的图像差值作为粒子群； 在图像数据库中，动态初始化以后进行检索，学习一定的次数以后选取收敛的图像集 合作为第一类； 继续学习n次，选取收敛的图像集合作为第二类，以此递归直到达到分类中图像数量 阈值，在优化过程中粒子追随群体中当前位置和速度最优的粒子而移动，并经逐代迭代搜 索后得到最优解，最后返回分类值； 三、重复步骤一、二，匹配得出最相似的图像； 四、通过快速查找算法完成图像检索，该快速查找算法的具体内容为：通过分析检索 出的图像和模板图像的分区部分的直方图信息的差值，对差值部分进行从小到大的快速排 序，取值最小的前几幅图像，进行快速排序，当数据长度大于阈值的时候，将数据平分为两 段，在每一段中进行快速排序，依次递归；最后返回排在最前的图像，即为查找的图像。
[0006] 所述步骤一中图像分割的详细过程为： 取图像的中间两条等宽的模块，即宽度为整个图像的十六分之一； 取每一份四分之一图像的中间横坚交错的中线区域，即宽度为整个图像的八分之一； 比对图像的核心，提取灰度直方图。
[0007] 所述步骤一中相似图像的详细确定过程为： 第一步：计算模板图像和源图像两幅图像的左上角四分之一部分中线区域的差值，如 果差值接近允许的阈值则继续第二步，如果相差较大则返回； 第二步：计算横线黑色模块的图像差值，如果相近则继续第三步，否则返回； 第三步：计算坚线黑色模块的图像差值，如果相近则将此图设为相似的分类，如果只有 前两步计算相似而第三步差距较大则归为另外一类。
[0008] 所述图像检索过程具体为： 获取图像数据后，动态分类形成多个粒子种群； 当粒子种群非单一时，确定多个图像分类后，图像分类内快速匹配，找到相似图像组， 返回结果并结束； 当粒子种群单一时，直接匹配图像，返回结果并结束。
[0009] 所述图像匹配过程具体包括： 当数据量过大，即数据长度大于阈值时，折半分为两段序列，对各差值序列进行快速排 序，选择排在前面的最优值，结束并返回结果； 当数据量较小，即数据长度小于阈值时，直接对对各差值序列进行快速排序，选择排在 前面的最优值，结束并返回结果。
[0010] 本发明的一种图像检索方法，具有以下优点： 该发明的一种图像检索方法采用新分区的方式，不再是盲目的获取两幅图像所有的灰 度值进行比较，而是按照分区顺时针获取；对传统粒子群优化算法进行了改进，利用其快速 的搜索功能选择最相似的图像进行分类；分类内部继续进行分区匹配，并且按照顺序找出 相似图像组；改进了快速查找算法，是在快速排序思想的基础上添加了动态逻辑分割功能， 使快速排序变为智能的快速查找算法；检索速度快，检索出来的图像准确度高；实用性较 强，适用范围广泛，易于推广。
【专利附图】
【附图说明】
[0011] 附图1为本发明的分区实现图。
[0012] 附图2为本发明的改进粒子群优化算法流程图。
[0013] 附图3为本发明的图像检索流程图。
[0014] 附图4为本发明的快速排序流程图。
[0015] 附图5为本发明的实际应用图。
【具体实施方式】
[0016] 下面结合附图和具体实施例对本发明作进一步说明。
[0017] 本发明提供一种图像检索方法，根据图像特征在图像数据库中检索相似或相同图 像。首先、利用新的分区思想在源图像数据库中先找到相似的图像组，通过粒子群优化学习 方式确定出相似图像的分类，其次、在选择出的分类中，通过快速查找算法进行基于分区思 想的匹配，将匹配的结果返回。如附图1至图4所示，其具体实现过程为 ： 一、 将模板图像和源图像按照分区方法提取灰度直方图信息，所述分区方法具体为： 对两幅图像进行分区取点，即将每幅图像分割成若干图像后比对两者的核心； 设置两幅图像相同位置区域的差值阈值，然后顺时针计算两图像对应的相同位置区域 之间的差值，根据差值的大小是否接近阈值而完成分类，接近阈值的分类为相似图像，否则 归为非相似图像； 二、 将寻找模板图像最相似的的问题转化成通过改进的粒子群优化进行分类，该改进 的粒子群优化过程为： 本发明在传统的粒子群算法的基础上进行了改进，即粒子群的动态初始化，通过随机 选取给定个数的图像差值作为粒子群，在未知数量的图像数据库中，动态初始化以后进行 检索，学习一定的次数以后选取收敛的图像集合作为第一类，然后继续学习n次，选取收敛 的图像集合作为第二类，以此递归直到达到分类中图像数量阈值，在优化过程中粒子追随 群体中当前位置和速度最优的粒子而移动，并经逐代迭代搜索后得到最优解。在每一代中， 粒子将跟踪本身迄今找到的最优解Pbest和迄今找到的最优解gbest进行搜索。如下所示 公式（1) (2)是粒子群更新的某础：
【权利要求】
1. 一种图像检索方法，其特征在于，其具体实现过程为： 一、 将模板图像和源图像按照分区方法提取灰度直方图信息，所述分区方法具体为： 对两幅图像进行分区取点，即将每幅图像分割成若干图像后比对两者的核心； 设置两幅图像相同位置区域的差值阈值，然后顺时针计算两图像对应的相同位置区域 之间的差值，根据差值的大小是否接近阈值而完成分类，接近阈值的分类为相似图像，否则 归为非相似图像； 二、 将寻找模板图像最相似的的问题转化成通过改进的粒子群优化进行分类，该改进 的粒子群优化过程为： 首先进行粒子群的动态初始化，通过随机选取给定个数的图像差值作为粒子群； 在图像数据库中，动态初始化以后进行检索，学习一定的次数以后选取收敛的图像集 合作为第一类； 继续学习n次，选取收敛的图像集合作为第二类，以此递归直到达到分类中图像数量 阈值，在优化过程中粒子追随群体中当前位置和速度最优的粒子而移动，并经逐代迭代搜 索后得到最优解，最后返回分类值； 三、 重复步骤一、二，匹配得出最相似的图像； 四、 通过快速查找算法完成图像检索，该快速查找算法的具体内容为：通过分析检索 出的图像和模板图像的分区部分的直方图信息的差值，对差值部分进行从小到大的快速排 序，取值最小的前几幅图像，进行快速排序，当数据长度大于阈值的时候，将数据平分为两 段，在每一段中进行快速排序，依次递归；最后返回排在最前的图像，即为查找的图像。
2. 根据权利要求1所述的一种图像检索方法，其特征在于，所述步骤一中图像分割的 详细过程为： 取图像的中间两条等宽的模块，即宽度为整个图像的十六分之一； 取每一份四分之一图像的中间横坚交错的中线区域，即宽度为整个图像的八分之一； 比对图像的核心，提取灰度直方图。
3. 根据权利要求2所述的一种图像检索方法，其特征在于，所述步骤一中相似图像的 详细确定过程为： 第一步：计算模板图像和源图像两幅图像的左上角四分之一部分中线区域的差值，如 果差值接近允许的阈值则继续第二步，如果相差较大则返回； 第二步：计算横线黑色模块的图像差值，如果相近则继续第三步，否则返回； 第三步：计算坚线黑色模块的图像差值，如果相近则将此图设为相似的分类，如果只有 前两步计算相似而第三步差距较大则归为另外一类。
4. 根据权利要求1所述的一种图像检索方法，其特征在于，所述图像检索过程具体为： 获取图像数据后，动态分类形成多个粒子种群； 当粒子种群非单一时，确定多个图像分类后，图像分类内快速匹配，找到相似图像组， 返回结果并结束； 当粒子种群单一时，直接匹配图像，返回结果并结束。
5. 根据权利要求4所述的一种图像检索方法，其特征在于，所述图像匹配过程具体包 括： 当数据量过大，即数据长度大于阈值时，折半分为两段序列，对各差值序列进行快速排 序，选择排在前面的最优值，结束并返回结果； 当数据量较小，即数据长度小于阈值时，直接对对各差值序列进行快速排序，选择排在 前面的最优值，结束并返回结果。
【文档编号】G06F17/30GK104361135SQ201410752515
【公开日】2015年2月18日 申请日期:2014年12月11日 优先权日:2014年12月11日
【发明者】路廷文, 戴纯兴, 魏志伟 申请人:浪潮电子信息产业股份有限公司