基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究.pdf

1、隨著便攜式攝像設(shè)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(yīng)用于新聞、醫(yī)療、刑偵、安防、工程、地理、軍事等領(lǐng)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(dāng)前研究的熱點。基于內(nèi)容的圖像檢索受到廣大研究者的關(guān)注。
　　脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）作為新一代神經(jīng)網(wǎng)絡(luò)，因其不需要訓(xùn)練樣本、對圖像旋轉(zhuǎn)縮放操作不敏感等優(yōu)點

2、而其廣泛應(yīng)用于圖像處理領(lǐng)域。但其參數(shù)選取的好壞嚴(yán)重影響處理結(jié)果。部分學(xué)者對脈沖耦合神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)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(luò)（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(xué)習(xí)的參數(shù)優(yōu)化方法，解決了將脈沖耦合神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像檢索時其參數(shù)設(shè)置問題。通過引入粒子群算法（PSO），構(gòu)建優(yōu)化目標(biāo)函數(shù)，提前

3、對圖像庫中少量圖像進行分類訓(xùn)練，對脈沖耦合神經(jīng)網(wǎng)絡(luò)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(xùn)練圖像進行檢索時也取得較好效果，在檢索查準(zhǔn)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(luò)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(jié)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(zhuǎn)

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(yīng)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(jié)合的檢索算法，先將彩色圖像轉(zhuǎn)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(yīng)用于圖像檢索系