石头:2229 - 371 x
P.K.Bhargavi* 1,S.Bhuvana2,Dr.R.Radhakrishnan3
|
通讯作者:P.K.Bhargavi,电子邮件:pkbhargavi31@gmail.com |
相关文章Pubmed,谷歌学者 |
访问更多的相关文章全球研究计算机科学杂志》上
基于内容的图像检索(CBIR)是计算机视觉技术的应用到图像检索问题,也就是说,在大型数据库中寻找数字图像的问题。基于内容的图像检索(CBIR)取决于提取最相关的特征根据特征选择技术。集成多个特性可能导致维度的诅咒和检索过程中消耗的时间。该模型包括以下步骤:(i)使用颜色特征提取的图像数据库一致性向量(闭路)和伽柏滤波算法提取的颜色和纹理特征(2)特性的歧视与名义使用最大熵方法取代数值特性特性,代表数字域的间隔使用类属性相互依赖与离散值最大化(CAIM)算法(iii)特征选择使用粒子群优化(PSO)算法提取最相关的特征从原始特征集。基于CBIR的应用程序中使用互联网和执法市场为目的的确定和审查的图像。
关键字 |
基于内容的图像检索、特征歧视、特征选择、蚁群优化(ACO)算法 |
介绍 |
基于内容的图像检索(CBIR)是计算机视觉技术的应用到图像检索问题,也就是说,在大型数据库中寻找数字图像的问题。CBIR系统检索相关图像在数据库中使用图像的视觉内容。研究人员主要是基于图像的高层语义分析的内容以及图像的视觉内容,如颜色、纹理和形状。颜色特征包括颜色直方图、颜色一致性向量,颜色同现矩阵、矢量量化和颜色的时刻。灰度共生矩阵的纹理特征源于,田村特性,小波系数,伽柏基于过滤器的功能。一旦图像特征提取,另一个问题引起特性相关的检索过程。在分类更多的特性意味着更多的区别的能力。此外,高维度的数据可能会导致„„诅咒维度”的问题。 |
功能降低是指减少维度的研究方法描述数据。其通用雇佣更少的特性来表示数据和降低计算成本,没有区别的功能恶化。减少自功能可以带来很多好处,比如避免过拟合的,抵制噪音和加强预测性能。功能变换构造新特性时,将原来的一个低维特征空间。主成分分析和独立成分分析两个广泛使用的特征变换方法。虽然功能变换可以获得最小的维度,其主要缺点是它的计算伞就高,很难被用户的输出。 |
特征选择是一个过程,选择原始特征空间的一个子集根据歧视能力提高数据的质量。本文提出了一个建议基于提取最相关的特征的图像检索模型从整体功能根据特征选择技术。颜色和纹理特征提取的特性使用不变的特性,颜色一致性向量和伽柏小波。 |
颜色一致性向量(闭路)是一种面向表明类似的颜色是怎样的形象。颜色一致性向量(闭路)相干和非相干像素的数量每个颜色[2]。地区具有类似的颜色像素的集合称为相干区域。闭路计算当前的连贯和不连贯的像素。截然不同的图像可以有相同的颜色直方图。闭路将区分图像的基础上有多少地区目前有相当大的相邻颜色补丁。为了计算闭路,我们指定的数量可以分类垃圾箱的颜色。然后,对于每个像素的相邻像素进行比较,一致性标记的区域。如果这个区域的大小大于一个阈值,那么该地区是连贯的,其他非相干性的标志。因此,通过将整个块颜色划分为连贯的或不连贯的,我们得到信息的散射颜色信息。 |
Gabor小波被广泛采用,提取图像的纹理特征图像检索过程。基本上,伽柏过滤器是一组小波,每个小波能量捕获在一个特定的频率和特定的取向。伽柏的规模和方向可调属性过滤器很有用对于纹理分析[3]。伽柏过滤器是一组小波能量捕获在一个特定的频率和一个特定的方向。信号使用此基础上的扩张提供了一个局部频率描述,因此,捕获信号的局部特性/能源。 |
相关的工作 |
颜色一致性向量(闭路)相干和非相干的数量与每个像素的颜色。通过分离的不连贯的像素像素,闭路比颜色直方图提供更好的区别[2]。颜色直方图也有一些局限性。 |
颜色一致性的像素的颜色是大区域含有的成员。我们称这些重要区域为一致的区域,并观察他们在描述图像具有十分重要的意义。颜色一致性度量分类像素是一致的或不连贯的。连贯的像素是一个相当大的相邻区域的一部分,而不连贯的像素。颜色一致性向量代表这对每种颜色在图像分类。 |
在计算中,闭路类似于一种颜色直方图的计算。我们第一次略有模糊图像代替像素值的平均值在一个小地方社区(目前包括8相邻像素)。这就消除了小相邻像素之间的差异。然后颜色空间离散,这样只有n不同图像中颜色[2]。 |
伽柏广泛采用小波来提取图像的纹理特征检索和已被证明是非常有效的。伽柏过滤器是一组小波,每个小波能量捕获在一个特定的频率和特定的取向。伽柏过滤器的规模和方向可调属性使其纹理分析特别有用。伽柏过滤器的使用在提取纹理图像特征是出于各种因素。伽柏表示已被证明是最优的最小化联合二维空间和频率的不确定性。这些过滤器可以被认为是可调方向和规模优势和行(bar)探测器,和这些micro-features的统计在一个给定的地区通常被用来描述底层纹理信息。伽柏特性已经在许多图像分析应用程序中使用包括纹理分类与分割、图像识别、图像配准和运动跟踪。 |
支持向量机是基于结构风险最小化原则寻求决定表面数据点分离成两个类之间的最大的优势。这允许制定分类器训练作为一个约束优化问题。 |
遗传算法(GA)是有效的函数最小化的方法。在描述符选择情况下,模型的预测误差建立在一组特性进行了优化。遗传算法模拟自然进化建模动态人口的解决方案。人口的成员,被称为染色体编码选择的特性。长字符串的编码通常形式与其他位对应于选定的功能设置和清除。每个染色体导致模型使用编码的特性。参数指导交叉、变异和生存的染色体应该仔细选择允许人口探索解空间和防止早期收敛均匀人口占据一个局部最小值。初始种群的选择在遗传特征选择也很重要。本文提出了系统使用最大熵方法特征歧视和蚁群优化(ACO),用于寻找最优解特征选择的过程。 |
提出了系统 |
本文建议图像检索模型提出了基于提取最相关的特征在整个特征根据特征选择技术。颜色和纹理特征提取的特性使用不变的特性,颜色一致性向量和伽柏小波。这些特性是利用CAIM歧视方法取代名义特性,代表间隔的数值特性数值计算域离散值。这些功能通过特征选择技术,提取最相关的特征并使用PSO算法删除无关紧要的。相关的功能不仅可以获得最大的识别率而且还可以简化计算和检索过程中减少使用时间。整个过程的系统是图1所示。 |
特征提取 |
颜色提取: |
本文提取的特征颜色和纹理表示。颜色一致性向量(闭路)是一种面向表明类似的颜色是怎样的形象。地区具有类似的颜色像素的集合称为相干区域。的闭路计算特征提取摘要颜色和纹理表示。颜色一致性向量(闭路)是一种面向表明类似的颜色是怎样的形象。地区具有类似的颜色像素的集合称为相干区域。闭路的计算 |
输入:彩色图像 |
输出:相干和非相干像素的值显示使用颜色一致性向量 |
步骤: |
给出了彩色图像作为输入 |
b。图像分为八个地区 |
c。区域有类似颜色的像素集合是一致的区域 |
d。邻近的像素进行比较,一致性标记的区域 |
e。如果这个区域的大小大于一个阈值,那么该地区是连贯的,其他非相干性的标志。 |
纹理提取: |
伽柏小波用于提取图像的纹理特征检索和已被证明是非常有效的。伽柏过滤器是一组小波,每个小波能量捕获在一个特定的频率和特定的取向。伽柏过滤器的规模和方向可调属性使其纹理分析特别有用。 |
输入:彩色图像 |
输出:纹理图像 |
步骤: |
给出了彩色图像作为输入 |
b。彩色图像转化为灰度图像 |
c。然后提取图像纹理表示使用伽柏过滤函数, |
特征歧视: |
歧视过程提出的特征选择技术是一个重要的一步。一旦图像特征提取,特征歧视技术[4]必须将连续值转换成离散的执行按照一定的阈值。歧视过程将连续特性转换成离散的收益率区间特征值可以驻留的而不是单值,并通过将一个离散的数值与每个区间。类属性相互依赖最大化(CAIM)算法用于歧视的过程。CAIM算法的目标是最大化类属性相互依赖并生成一个(可能)最小数量的离散时间间隔。 |
功能选择: |
特征选择是一个过程,选择原始特征空间的一个子集根据歧视能力提高数据的质量。提出了一种建议基于提取最相关的特征的图像检索模型的整体功能根据特征选择技术[6]。特征选择技术的目标是选择最好的从原始的特征。它不仅可以获得最大的识别率而且还可以简化图像检索的计算过程。特征选择技术的目标是选择最好的从原始的特征。粒子群优化(PSO)用于特征选择技术。算法是迭代计算方法,优化问题,努力改善候选解决方案对于一个给定的测量质量。算法的结果显示在图4。 |
检索过程: |
功能”向量与指针保存在数据库模型图像归属感。在检索过程中,一个查询图像呈现给系统和图像的特征提取。每个特征向量与查询图像相比,使用欧氏距离度量[8]和其他功能”向量模型的数据库中存储图像。 |
结果和讨论 |
第一个图像数据库从www.google.com下载。这个图像数据库包含1000张图片。这些图像分成10个集群,每个集群包含100张图片。提出的特征提取技术应用于图像数据库中提取的颜色和纹理的特征。颜色一致性向量(闭路)相干和非相干的数量与每个像素的颜色。连贯的像素是一个相当大的相邻区域的一部分,而不连贯的像素。颜色一致性向量代表这对每种颜色在图像分类。闭路防止相干图像像素在一个匹配的不连贯的像素在另一个。彩色图像作为输入。彩色图像分为区域然后相干和非相干像素区分使用颜色一致性向量。 For each pixel the neighboring pixels are compared and the region of coherence is marked. Threshold value is set, if the size is above threshold value then the region is marked as coherent else it is marked as incoherent, which is shown in Fig.2. |
伽柏广泛采用小波来提取图像的纹理特征检索和已被证明是非常有效的。伽柏过滤器是一组小波,每个小波能量捕获在一个特定的频率和特定的取向。伽柏过滤器的使用在提取纹理图像特征是出于各种因素。伽柏表示已被证明是最优的最小化联合二维空间和频率的不确定性。彩色图像作为输入。彩色图像转换为灰度图像。然后提取图像纹理表示使用伽柏滤波器函数。纹理图像显示的值小波函数,利用伽柏图3所示。歧视技术中使用的方法类属性相互依赖最大化(CAIM)。CAIM算法的目标是最大化类属性相互依赖并生成一个(可能)最小数量的离散时间间隔。 The results of discrimination technique are shown in Fig.4. The features discriminated are given as input for feature selection technique. |
特征选择技术是通过使用粒子群优化(PSO)。算法是迭代计算方法,优化问题,努力改善候选解决方案对于一个给定的测量质量。显示所选特征作为输出使用粒子群优化(PSO)算法。 |
特征向量与指针保存在数据库模型图像归属感。在检索过程中,一个查询图像呈现给系统和图像的特征提取的如上所述。每个特征向量与查询图像相比使用欧氏距离度量和所有其他功能”向量模型的数据库中存储图像。发现了这些改进的位置时将引导群的运动。重复该过程,通过这样做是希望,但不能保证,最终会发现一个满意的解决方案。相关的图像从数据库检索给定的输入图像,图7所示。 |
结论 |
摘要颜色一致性向量和伽柏小波用于提取颜色和纹理特征使用特征提取技术。在歧视的过程中,外源的方法是使用和获得最优边界,遗传算法用于特征选择。因此,我们引入了一个歧视提出了特性技术使用最大熵方法提取的连续特性转换为名义的特性。建议的方法的有效性已经被优化分析了它与粒子群优化(PSO)算法。该模型降低了最相关的特征集的搜索空间,降低了检索过程中消耗时间。 |
的性能改进方法已经成功地证明了该模型的有效性和效率,与其他模型相比,使用精度和召回。这可以进一步提高了使用无监督算法如equal-width间隔,频率相同间隔,k-mean聚类和其他一些优化方法。 |
引用 |
|