基于粒子群的圖像檢索相關(guān)反饋算法01127

《基于粒子群的圖像檢索相關(guān)反饋算法01127》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第８期電子學(xué)報(bào)Ｖｏｌ．３８Ｎｏ．８２０１０年８月ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡＡｕｇ．２０１０基于粒子群的圖像檢索相關(guān)反饋算法許相莉，張利彪，劉向東，于哲舟，周春光（吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，吉林長春１３００１２）摘要：將粒子群優(yōu)化算法的進(jìn)化搜索過程與用戶的反饋過程有效結(jié)合，提出了一種基于粒子群的圖像檢索相關(guān)反饋算法，避免了初始檢索對用戶認(rèn)知的影響以及對反饋效果造成的局限性，并使得用戶對檢索目標(biāo)的理解逐漸清晰，能夠有效全面的搜索圖片庫，同時(shí)避免多次反饋造成的算法效率和檢索效果之間的矛盾．通過實(shí)驗(yàn)驗(yàn)證了算法的有效性．關(guān)鍵詞：相

2、關(guān)反饋；粒子群優(yōu)化；圖像檢索中圖分類號：ＴＰ３９１文獻(xiàn)標(biāo)識碼：Ａ文章編號：０３７２２１１２（２０１０）０８１９３５０６ＩｍａｇｅＲｅｔｒｉｅｖａｌＲｅｌｅｖａｎｃｅＦｅｅｄｂａｃｋＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎＸＵＸｉａｎｇｌｉ，ＺＨＡＮＧＬｉｂｉａｏ，ＬＩＵＸｉａｎｇｄｏｎｇ，ＹＵＺｈｅｚｈｏｕ，ＺＨＯＵＣｈｕｎｇｕａｎｇ（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｃｈｕｎ，Ｊｉｌｉｎ１３００１２

3、，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｅｖｏｌｕｔｉｏｎｓｅａｒｃｈｉｎｇｐｒｏｃｅｓｓｏｆｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）ａｌｇｏｒｉｔｈｍａｎｄｕｓｅｒｆｅｅｄｂａｃｋｐｒｏｃｅｓｓａｒｅｃｏｍｂｉｎｅｄｅｆｆｅｃｔｉｖｅｌｙ，ａｎｄａｎｉｍａｇｅｒｅｔｒｉｅｖａｌｒｅｌｅｖａｎｃｅｆｅｅｄｂａｃｋ（ＲＦ）ａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＰＳＯｉｓｐｒｏｐｏｓｅｄ，ｉｎｗｈｉｃｈｔｈｅｉｎｆｌｕｅｎｃｅｔｏｕｓｅｒｐｅｒｃｅｐｔｉｏｎａｎｄｌｉｍｉｔａｔｉｏｎｔｏｆｅｅｄｂａｃｋｅｆｆｅｃｔｃａｕｓｅｄｂｙｉ

4、ｎｉｔｉａｌｒｅｔｒｉｅｖａｌａｒｅａｖｏｉｄｅｄ．Ｔｈｅａｌｇｏｒｉｔｈｍｍａｋｅｓｕｓｅｒｓ′ｕｎｄｅｒｓｔａｎｄｉｎｇｔｏｔｈｅｒｅｔｒｉｅｖａｌｇｏａｌｂｅｃｏｍｅｃｌｅａｒｇｒａｄｕａｌｌｙ，ｃｏｕｌｄｓｅａｒｃｈｉｍａｇｅｄａｔａｂａｓｅｅｆｆｅｃｔｉｖｅｌｙａｎｄｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙ，ａｎｄａｔｔｈｅｓａｍｅｔｉｍｅｉｔｃｏｕｌｄａｖｏｉｄｔｈｅｃｏｎｔｒａｄｉｃｔｉｏｎｏｆｅｆｆｉｃｉｅｎｃｙａｎｄｒｅｔｒｉｅｖａｌｅｆｆｅｃｔｃａｕｓｅｄｂｙｍｕｌｔｉｆｅｅｄｂａｃｋ．Ｅｘｐｅｒｉｍｅｎｔｓｈａｖｅｖｅｒｉｆｉ

5、ｅｄｔｈｅｖａｌｉｄｉｔｙｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ｒｅｌｅｖａｎｃｅｆｅｅｄｂａｃｋ（ＲＦ）；ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）；ｉｍａｇｅｒｅｔｒｉｅｖａｌ［５］方法．針對ＲＦ問題已有一些方法被提出，文獻(xiàn)［６］將１引言ＲＦ看作貝葉斯推理問題，將正、負(fù)反饋同等對待進(jìn)行處隨著多媒體信息的迅速膨脹，人們對圖像檢索的需理；文獻(xiàn)［７］和文獻(xiàn)［８］分別提出了一種基于貝葉斯分類求日益增多，傳統(tǒng)的基于文本的檢索技術(shù)已不能適用于器的ＲＦ算法，利用不同反饋策略分別處理正、負(fù)反饋；大規(guī)模圖像集，

6、基于內(nèi)容的圖像檢索（ＣｏｎｔｅｎｔＢａｓｅｄＩｍ文獻(xiàn)［９］為了克服訓(xùn)練樣本過少以及正、負(fù)樣本的不對ａｇｅＲｅｔｒｉｅｖａｌ，ＣＢＩＲ）逐步成為多媒體技術(shù)應(yīng)用領(lǐng)域的研稱性，提出了一種貝葉斯主動學(xué)習(xí)機(jī)制；文獻(xiàn)［１０］提出究熱點(diǎn)．ＣＢＩＲ是指利用圖像的視覺內(nèi)容，如顏色、紋理、了一種基于分類器合并的ＲＦ方法，同時(shí)可以自動調(diào)節(jié)形狀、空間布局、語義等，從大量圖片數(shù)據(jù)中搜索用戶感ＣＢＩＲ中的距離函數(shù)權(quán)重；文獻(xiàn)［１１］通過ＲＦ獲取合適的興趣的圖片．目前，ＣＢＩＲ技術(shù)主要采用基于范例的查詢特征權(quán)重，并同時(shí)進(jìn)行參數(shù)的動態(tài)選擇．這些ＲＦ算法［１］方式進(jìn)行檢索，

7、但由于語義鴻溝的存在使得此類檢索雖然取得了一定的檢索效果，但是還存在一些問題：（１）系統(tǒng)不能很好的理解用戶的需求，這也是導(dǎo)致其性能不算法都假設(shè)用戶對檢索目標(biāo)十分明確，然而在實(shí)際的高的一個(gè)主要原因．為此，人們又將相關(guān)反饋（ＲｅｌｅｖａｎｃｅＣＢＩＲ中，絕大多數(shù)情況下，用戶在進(jìn)行檢索之前對目標(biāo)［２］Ｆｅｅｄｂａｃｋ，ＲＦ）技術(shù)應(yīng)用到圖像檢索領(lǐng)域．ＲＦ技術(shù)首先的理解是比較模糊的；（２）算法中用戶的初次反饋都是［３］［４］在文本檢索領(lǐng)域被提出，隨后被引入到ＣＢＩＲ領(lǐng)域，建立在某個(gè)特定的檢索算法基礎(chǔ)上的，而初次檢索結(jié)果本質(zhì)上是一種指導(dǎo)性學(xué)習(xí)的查詢優(yōu)化

8、方法．ＲＦ技術(shù)把對用戶的反饋和用戶對圖像庫的認(rèn)識都會有很大影響，人的參與引入到檢索過程中，從而將檢索模式從一次進(jìn)這就導(dǎo)致反饋效果會有很大的局限性；（３）算法為了得行變成交互式的多